Kunstig intelligens-assistert evaluering av pulmonal hypertensjon (AIPHY)

Pasienter med pulmonal hypertensjon (PH) representerer en utfordrende og heterogen kohort med høy sykelighet og dødelighet dersom de ikke blir behandlet. For å stille en definitiv diagnose av PH, må man utføre en invasiv høyre hjertekateterisering (RHC) for å vurdere det gjennomsnittlige pulmonale arterietrykket (mPAP). Siden PH forekommer sporadisk ved ulike medisinske tilstander, inkludert bindevevssykdom og medfødt hjertesykdom, og presenterende symptomer er uspesifikke, er det behov for å ta opp mistanke om PH tidlig i samfunnet. Av denne grunn vil ikke-invasive verktøy som er allment tilgjengelige for forhåndsscreening være ideelle for å muliggjøre rettidig diagnose av PH. Transthorax ekkokardiografi har dukket opp som bærebjelken for screening av PH, men sensitiviteten og spesifisiteten til denne tilnærmingen forblir begrenset selv i erfarne hender. Etter hvert som teknologier med høy gjennomstrømning avanserer og tilgangen til PH big data forbedres, vil det være avgjørende å velge kunstig intelligens tilnærminger for dataanalyse, visualisering og tolkning med omhu. Ved å kombinere de multimodale kliniske dataene (som indikatorer fra røntgen thorax, elektrokardiografi og ekkokardiografi), har denne studien som mål å utvikle kunstig intelligens-assisterte programmer for å hjelpe screening og diagnose av PH, og for å evaluere dens diagnostiske nøyaktighet for PH som sammenlignet med RHC, og for å estimere om denne tilnærmingen overgår den konvensjonelle ekkokardiografiske metoden.