Betrouwbare, geïntegreerde hulpmiddelen voor kunstmatige intelligentie voor het voorspellen van coronaire plaques met een hoog risico (AI-CORPS)

Coronaire hartziekte (CAD) is een van de belangrijkste doodsoorzaken en invaliditeit. Identificatie van patiënten met een hoog risico op cardiovasculaire voorvallen is van cruciaal belang. De huidige risicostratificatie op basis van beeldvorming en bekende biomarkers is echter niet optimaal. Het doel van dit voorstel is om een ​​multicriteria-beslissingsmodel te ontwikkelen voor niet-invasieve beoordeling van kwetsbare atherosclerotische patiënten en om het vermogen ervan te evalueren om het optreden van een bijwerking te voorspellen bij patiënten met een gemiddeld tot hoog risico met vermoedelijke of bekende CAD. De geplande workflow omvat een eerste stap met behulp van een retrospectief cohort van patiënten die klinisch geïndiceerde coronaire angiografie (CCTA) ondergaan om een ​​geïntegreerde applicatie te ontwikkelen voor automatische coronaire segmentatie, kwantitatieve plaque-analyse, biomechanica en vloeistofdynamica, gebaseerd op machine learning, radiomics en computationele analyse. benaderingen en gevalideerd tegen de referentiestandaard voor elk hulpmiddel. De tweede stap zal deze nieuwe methodologie toepassen op een groter retrospectief cohort van patiënten met de integratie van genomische biomarkerbeoordeling om het meest nauwkeurige risicostratificatiemodel af te leiden om kwetsbare patiënten en kwetsbare plaques op de juiste manier te identificeren met betrekking tot de uitkomst. Ten slotte zal in de derde stap het afgeleide voorspellende model prospectief worden gevalideerd in een onafhankelijk cohort van patiënten uit een lopende studie (CTP-PRO-studie) om de robuustheid en nauwkeurigheid van de voorgestelde oplossing te beoordelen.