Pålitelige, integrerte verktøy for kunstig intelligens for å forutsi høyrisiko koronare plakk (AI-CORPS)

Koronararteriesykdom (CAD) er en av de viktigste årsakene til død og funksjonshemming. Identifisering av pasienter med høy risiko for kardiovaskulære hendelser er sentralt. Imidlertid er dagens risikostratifisering basert på avbildning og kjente biomarkører suboptimal. Målet med dette forslaget er å utvikle en multikriteria beslutningsmodell for ikke-invasiv vurdering av sårbare aterosklerotiske pasienter og å evaluere dens evne til å forutsi forekomsten av en uønsket hendelse hos pasienter med middels til høy risiko med mistenkt eller kjent CAD. Den planlagte arbeidsflyten inkluderer et første trinn ved å bruke en retrospektiv gruppe pasienter som gjennomgår klinisk indisert koronar angiografi (CCTA) for å utvikle en integrert applikasjon for automatisk koronararteriesegmentering, kvantitativ plakkanalyse, biomekanikk og væskedynamikk, basert på maskinlæring, radiomik og beregningsanalyse. tilnærminger og validert mot referansestandarden for hvert verktøy. Det andre trinnet vil bruke denne nye metodikken til en større retrospektiv gruppe pasienter med integrering av genomisk biomarkørvurdering for å utlede den mest nøyaktige risikostratifiseringsmodellen for å identifisere sårbare pasienter og sårbare plakk på riktig måte med hensyn til utfall. Til slutt, i det tredje trinnet, vil den avledede prediktive modellen bli prospektivt validert i en uavhengig kohort av pasienter fra en pågående studie (CTP-PRO-studie) for å vurdere robustheten og nøyaktigheten til den foreslåtte løsningen.