Risikoprediksjonsmodell for cerebrovaskulære hendelser i halsarteriestenose

Aterosklerotisk karotisarteriestenose er en hovedårsak til hjerneslag, og tidlig identifisering av høyrisikopasienter og kirurgisk inngrep kan redusere risikoen for hjerneslag betydelig. For tiden er vurderingen av hjerneslagrisiko hos pasienter med halsarteriestenose hovedsakelig basert på avbildningsindikatorer som plakkmorfologi, sammensetning og stenosegrad, og det tas mindre hensyn til indikatorer som er direkte relatert til inflammatorisk respons, hemodynamikk og plakkinstabilitet. Visse metabolitter i pasientens sirkulasjon er ikke bare nært knyttet til plakkprogresjon, men er også direkte risikofaktorer for hjerneslag. Foreløpig er det mangel på prediksjonsmodeller for slagrisiko for pasienter med carotisstenose som inkluderer indikatorene ovenfor, og evnen til å identifisere høyrisikopasienter må forbedres ytterligere. Derfor foreslår denne studien å bruke dyplæringsteknologi for å integrere flerdimensjonale data fra pasienters plakkavbildning, væskedynamikk, sirkulerende metabolomikk og proteomikk for å konstruere en nøyaktig prediksjonsmodell for cerebrovaskulære hendelser hos pasienter med halsarteriestenose, og for å videre utforske markører for Plakkustabilitetsegenskaper i kombinasjon med plakkpatologi. Denne studien forventes å gi grunnlag for å identifisere høyrisikopasienter med halsarteriestenose og legge grunnlaget for ytterligere å redusere risikoen for hjerneslag og forbedre pasientenes langtidsprognose.