Het AI-CAC-model voor detectie van subklinische atherosclerose op röntgenfoto's van de thorax (AI-CAC-PVS)

Het AI-CAC-PVS-project is een prospectief, multicenter, eenarmig klinisch onderzoek, met inschrijving bij 5 radiologie-eenheden in Piemonte (Italië). Opeenvolgende personen zonder eerder gerapporteerde cardiovasculaire voorvallen die worden doorverwezen voor een CT-scan zonder contrastmiddel voor de beoordeling van de coronaire calcium (CAC)-score voor cardiovasculaire risicostratificatie, komen in aanmerking voor opname in het onderzoek. Individuen die ermee instemmen om aan het onderzoek deel te nemen, zullen een standaard thoraxfoto ondergaan, als enige afwijking van de klinische praktijk. De CAC-score wordt berekend op CT-scans van de borstkas volgens internationale normen en het resultaat wordt aan de patiënt verstrekt. Alle daaropvolgende veranderingen in gedragsgewoonten, lipidenverlagende, bloedplaatjesaggregatieremmende, antihypertensieve en antidiabetische therapieën voorgeschreven door de behandelende arts zullen worden verzameld in een speciale dataset, samen met het optreden van cardiovasculaire voorvallen bij de laatst beschikbare follow-up.

Het AI-CAC-model zal worden toegepast op de thoraxfoto, wat een AI-CAC-waarde als output oplevert. De patiënt, radioloog en behandelend arts worden pas aan het einde van het onderzoek op de hoogte gesteld van de AI-CAC-waarde.

Het primaire resultaat zal de nauwkeurigheid zijn van het AI-CAC-model om de aanwezigheid van subklinische atherosclerose op een röntgenfoto van de borstkas te detecteren in vergelijking met de CT-scan (d.w.z. CAC >0). Het vermogen om klinische uitkomsten bij follow-up te voorspellen (ASCVD, atherosclerotische cardiovasculaire ziektegebeurtenissen waaronder myocardinfarct, ischemische beroerte, coronaire revascularisatie en cardiovasculaire sterfte) zal worden beoordeeld als verkennende secundaire uitkomst.