Kunstig intelligens i ANOCA ((AI)NOCA)

Angina pectoris er diagnostisert hos >180.000 mennesker i Nederland hvert år. Diagnose ved angina pectoris fokuserer på epikardiell koronar stenose, hvis identifisering kan føre til retningslinjerettet medisinsk terapi eller revaskularisering. Imidlertid er ingen slik stenose identifisert hos 40-70 % av pasientene. Denne tilstanden, angina uten obstruert koronararterie (ANOCA), er mer utbredt hos kvinner og er relatert til dårlig livskvalitet, høye medisinske utgifter og en høyere forekomst av uønskede hendelser.

Opprinnelsen til ANOCA kan evalueres under invasiv koronar angiografi ved koronar funksjonstesting (CFT) for å identifisere koronare vasomotoriske forstyrrelser. Dette er relatert til vasospasme i koronararterien og mikrosirkulasjonen, eller til nedsatt mikrovaskulær vasodilatasjon. For diagnostisering av vasospasme, må CFT resultere i elektrokardiografiske tegn på myokardiskemi som en del av de diagnostiske kriteriene. Dette er et kritisk punkt i diagnosen vasospasme, da disse tegnene kan være subtile og kan variere, og derfor er utsatt for feiltolkning. Bortsett fra dette forbeholdet, krever diagnosetilnærmingen derfor for tiden en invasiv prosedyre for diagnosen. Dette begrenser den brede anvendelsen og hindrer tidlig identifisering og behandling av ANOCA.

Under CFT føres en koronar ledetråd rutinemessig frem i kranspulsåren som også gjør det mulig å få et intrakoronar EKG ved å feste en steril krokodilleklemme til en standard elektrokardiogramledning. Dette tillater kontinuerlig registrering av intrakoronar EKG gjennom hele CFT på samme monitor som rutine-EKG. Denne teknikken kan øke følsomheten for myokardiskemi under CFT. Videre tillater Holter EKG-overvåking identifisering av iskemiske endringer i EKG i poliklinisk setting. Det mangler bevis på mønstrene for myokardiskemi som oppstår under spontane angina pectoris-symptomer hos ANOCA-pasienter, og på sensitiviteten til Holter-EKG for dette formålet. Til slutt kan tolkningen av iskemiske mønstre på EKG-sporing være tungvint, spesielt når endringene er subtile eller endres fra slag til slag. Bruken av dyplæringsteknikker gjør det mulig å automatisere tolkningen av EKG-spor og kan forbedre den standardiserte diagnosen i ANOCA.