Validering av 3D-simuleringer i embolisk slag

Hjerneslag rammer mer enn 100 000 mennesker hvert år i Storbritannia, og opptil 50 % av pasientene sitter igjen med betydelig funksjonshemming [1, 2]. 85 % av hjerneslagene skyldes tilstoppede blodårer i hjernen (akutt iskemisk hjerneslag [AIS]), som avbryter blodtilførselen og resulterer i vevsinfarkt og funksjonssvikt [1]. Hjerneslag er ansvarlig for betydelig sykelighet og dødelighet, med betydelige sosiale og økonomiske implikasjoner, spesielt for personer i arbeidsfør alder [1, 2]. Årsaken til AIS kan bredt klassifiseres som embolisk og ikke-embolisk hjerneslag [3]. Omtrent en fjerdedel av AIS er kardioembolisk, på grunn av emboli fra venstre atrium (atrieflimmer - AF), klaffer (hjerteklaffer eller proteseklaffer), nylig hjerteinfarkt, patent foramen ovale, infektiv endokarditt eller aortabue-atherom [3- 5]. Dette tallet er høyere blant eldre voksne på grunn av økende prevalens av AF med alderen [6]. Viktigere er at kardioemboliske slag er mer alvorlige, noe som resulterer i større funksjonshemming enn andre slagundertyper [4]. På grunn av forbedrede standarder for behandling av vaskulær risikofaktor, øker andelen slag som følge av kardioemboli, og har tredoblet seg i forekomst i løpet av de siste tiårene [4]. Riktig identifikasjon og håndtering av en embolisk kilde kan redusere tilbakefall med opptil 70 % [4]. AF er fortsatt den viktigste årsaken til kardioembolisk hjerneslag [4, 5]. Korrekt identifisering og behandling av AF antas imidlertid å forekomme hos bare 50 % av kvalifiserte pasienter [3]. Dette kan skyldes klinikerens motvilje mot å antikoagulere pasienter, spesielt i den skrøpelige eldre befolkningen med høy risiko for fall [3]. Opptil 25 % av hjerneslaget er embolisk av ubestemt kilde (ESUS), som kan skyldes paroksysmal AF som krever langvarig hjerteovervåking for å lykkes med å identifisere og behandle pasienter [3, 7]. AF er asymptomatisk hos opptil 40 % av pasientene, og den første presentasjonen kan være med et betydelig infarkt [8]. Antikoagulasjon er hjørnesteinen for å redusere hjerneslagrisiko ved AF, men med opptil to ganger økning i blødningsrisiko er denne behandlingen forbeholdt påviste tilfeller [9, 10]. Antikoagulasjon i ESUS er fortsatt en pågående debatt, og er for tiden begrenset til høyrisikogrupper (f. flere infarkter i forskjellige territorier) [11, 12]. Derfor er identifisering og behandling av AF en nøkkelprioritet for å redusere fremtidig hjerneslagrisiko, men minimere komplikasjoner der antikoagulasjon ikke er indisert.

Gitt de ulike etiologiene, undersøkelser og håndtering av embolisk og ikke-embolisk hjerneslag, letter tidlig differensiering klinisk beslutningstaking, og tillater fokusert undersøkelse og behandling for pasienter. Radiologiske trekk ved hjerneslag kan støtte denne prosessen ettersom plasseringen, størrelsen og mønsteret til infarktet kan indikere den sannsynlige etiologien og undertypen av hjerneslag. Imidlertid er det foreløpig ingen kriterier som dette vurderes etter, basert på en kvalitativ og dermed subjektiv mening fra behandlende kliniker eller radiolog. Unøyaktig diagnose er rapportert i opptil en tredjedel av lakunære slag basert på kliniske funn og CT-funn alene [13]. Flertallet av falske positive funn skyldtes kardioembolisk eller stort arterieslag, noe som potensielt resulterte i tapt mulighet til å identifisere og behandle AF [13]. Diffusjonsvektet bildediagnostikk kan forbedre diagnosen lakunært infarkt, men bruken er begrenset av kostnad og tilgjengelighet [13-15]. I en nylig studie av 133 pasienter med ESUS ble 22,6 % funnet å ha AF etter tre måneders hjerteovervåking, og en 8-punkts risikoscore kunne forutsi dette med rimelig nøyaktighet (areal under kurven = 0,70) [16]. Denne nøyaktigheten faller imidlertid betydelig der etiologien til hjerneslag forblir ubestemt [16]. Den sanne andelen av AF som blir uoppdaget forblir ukjent, og tidligere påvisning gjennom prediktiv modellering kan potensielt redusere etterforsknings- og behandlingsforsinkelser.

Derfor kan forbedring av prosessene der embolisk hjerneslag, spesielt AF, hjelpe til med å veilede kliniske beslutninger. Dette vil muliggjøre bedre skreddersøm av undersøkelser til pasienter, fjerne unødvendige tester som kan ha potensielle økonomiske fordeler for NHS, og redusere undersøkelsesbyrden for pasienter. Utviklingen av slagmodeller som kan integrere klinisk informasjon fra pasienter, og skannefunn, kan være i stand til å gi forbedret diagnostisk nøyaktighet for slag-subtypeklassifisering og lette rettidig og mer målrettet utredning og behandling. Spesielt kan modeller som er i stand til å skille mellom ulike typer emboli være spesielt verdifulle og gi rask utvidet overvåking for pasienter som mest sannsynlig har en AF-kilde.

Denne studien foreslår en Monte Carlo-metode utviklet av JH og EC for å simulere slag [17-20]. Denne metoden har nylig blitt tilpasset ved hjelp av en in silico cerebral vaskulatur [21] og testet mot slagbilder fra databasen Anatomical Tracings of Lesions After Stroke (ATLAS) (upublisert arbeid). Fordelen med å bruke en beregningsmessig generert vaskulatur fremfor bildebehandling er at det ikke er noen nedre grense for karstørrelse, og vi kan inkludere kar i modellen vår ned til kapillærleiet. Innenfor simuleringene kan vi estimere lesjonsvolum samt inkludere de forskjellige metabolske kravene til grå og hvit substans. Nylig har vi vært i stand til å reprodusere slagbilder i fremre, midtre og bakre (henholdsvis ACA, MCA, PCA) sirkulasjoner ved hjelp av bilder fra ATLAS-datasettet. Imidlertid var flertallet av lesjonene i ATLAS av kronisk natur, og dette gir ikke informasjon om hvordan denne modellen ville fungere ved "inngangsdøren" hvor behandlingsbeslutninger kunne tas på en mer betimelig måte.

Derfor søker dette prosjektet å utvikle en database for akutt slagskanning for å validere disse nylig utviklede simuleringene mot og bestemme nøyaktigheten ved å forutsi kilden til embolisk hjerneslag i akutte omgivelser. Gitt den økende anvendelsen av AI-teknikker til klinisk medisin, vil vi sammenligne evnen til denne nylig utviklede slagsimuleringsmodellen med AI-teknikker for å forutsi kilden til embolisk hjerneslag. Vi vil sammenligne modellenes evne til klinisk eller radiologisk oppfatning. Til slutt vil vi teste den kombinerte evnen til de to teknikkene for å bestemme kilden til embolisk hjerneslag. Spesifikt vil vi vurdere følgende kilder: lacunar, kardioemboli, store kar aterosklerotisk emboli og vannskille.