Kunstmatige intelligentie in nieuwe cardiale MR-markers voor aangeboren hartaandoeningen (AI-CMR)

Achtergrond Een toenemend aantal kinderen met een complexe congenitale hartaandoening (CHZ) wordt tegenwoordig behandeld en overleeft tot in de volwassenheid. Ze hebben levenslang toezicht nodig op cardiovasculaire complicaties en een geïndividualiseerde behandeling.

Bij pediatrische aorta- en longklepaandoeningen houden de langetermijncomplicaties verband met klepdisfunctie met myocardfibrose en ventriculaire disfunctie als gevolg van langdurige volume- of drukoverbelasting. Veel patiënten zullen al in de kinderjaren een operatie of interventiebehandeling nodig hebben, waarbij de optimale timing van de interventie bij verschillende CHZ cruciaal is, aangezien vroege behandeling onomkeerbare schade aan het hart kan voorkomen.

Om terugkerende of nieuwe problemen vroegtijdig te kunnen opsporen, is bovendien een langdurige diagnostische follow-up nodig waar cardiovasculaire magnetische resonantie (CMR) belangrijk is geworden voor een seriële reproduceerbare beoordeling van morfologie, functie en recentelijk geavanceerde methoden voor karakterisering van stroming en weefsel. . Toch kan de klinische beslissing over het perfecte tijdstip en type behandeling voor een kind in veel gevallen moeilijk zijn en zijn er betere maatregelen nodig.

Doel Dit project zal longitudinaal behandelde of onbehandelde kinderen met aorta- en longklepaandoeningen onderzoeken met behulp van gevestigde CMR-metingen met aanvullende nieuw ontwikkelde, veelbelovende, zeer verfijnde en klinisch toepasbare kwantitatieve beeldvormende biomarkers, in vergelijking met de conventionele CMR-schattingen. We streven ernaar de risicostratificatie te evalueren en de hemodynamische en morfologische veranderingen voor en na interventionele of chirurgische behandeling op korte en lange termijn te onderzoeken. Klinisch belang Als de nieuwe verfijnde CMR-biomarkers een verbeterde ziektekarakterisering kunnen onthullen, kunnen ze aantonen dat ze haalbaar zijn bij het helpen van de klinische besluitvorming om de timing van interventie te optimaliseren en complicaties op de lange termijn te voorspellen. Dit zou kunnen bijdragen aan het individualiseren van de behandeling en het verbeteren van de gezondheid van kinderen met CHD. De studie kan leiden tot verbeterde patiëntenzorg en gebruik van sociaal-economische middelen.