Kunstig intelligens for intraprosedyrevurdering av uterine arterieembolisering (AI-EMBO)

Bakgrunn og rasjonalitet.

Livmorfibromer rammer opptil 70-80 % av kvinner i fruktbar alder. Embolisering av livmorarterien oppnår tekniske suksessrater over 95 % og symptomforbedring hos omtrent 75-90 % av pasientene; imidlertid er det forbundet med en 20-30 % kumulativ risiko for klinisk svikt eller behov for reintervensjon etter 5 år. Nåværende intraprosedyrale vurderinger av emboliseringsadekvathet er basert på kvalitative angiografiske kriterier (f.eks. "5-10 hjertslags stase," "beskåret tre-utseende"), som er subjektive og operatøravhengige. Nye funn tyder på at å oppnå nesten fullstendig, snarere enn fullstendig, flytstase kan redusere postprosedyrale smerter, no som understreker behovet for kvantitative og standardiserte vurderingsverktøy.

AQ-VERO er en internt utviklet programvareplattform som utfører kvantitativ tid-til-tetthet (TTD)-analyse av angiografiske bilder for å kvantifisere livmor- og fibromperfusjon i sanntid objektivt.

Målsetninger.

Hovedmål: Å validere nøyaktigheten og intra-/interobserver reproducerbarheten til AQ-VERO TTD-mål for kvantifisering av perfusjonsendringer under embolisering av livmorarterien.

Sekundære mål: (a) Å utvikle og internt validere en AI-basert beslutningsstøttemodell som bruker AQ-VERO-avledede mål for å identifisere forhåndsdefinerte emboliseringsendepunkter; (b) Å utforske korrelasjonen mellom intraprosedyrale TTD-mål og postprosedyrale kliniske utfall, inkludert symptomforbedring, tidlige smertepoeng og behov for reintervensjon.

Studiedesign. Dette er en ambispektiv (inkluderer retrospektiv og prospektiv oppfølging), multikenter observasjonsstudie som inkluderer kvinner som gjennomgår embolisering av livmorarterien for symptomatiske livmorfibromer. Standardiserte angiogrammer vil bli innhentet og analysert med AQ-VERO for å ekstrahere TTD-perfusjonsparametere (f.eks. tid-til-topp, areal under kurven, innvasking/utvaskingsegenskaper). Operatører vil dokumentere konvensjonelle kvalitative angiografiske endepunkter. Klinisk og bildeoppfølging vil bli innhentet i henhold til institusjonelle protokoller.

Hovedmål:

• Å evaluere om den prediktive AI-modellen utviklet ved bruk av AQ-VERO©-mål kan forutsi det kliniske utfallet, definert som fullstendig eller betydelig bedring av fibromrelaterte symptomer.

Sekundære mål:

• Å korrelere distinkte TTD-kurvemorfologier og AQ-VERO-mål med postprosedyrale smerter.
• Å oppdage tilstedeværelse av kollateral eller aksessorisk arteriell tilførsel som kan kompromittere emboliserings effektivitet.

Betydning. Denne studien forventes å etablere et kvantitativt og AI-forsterket rammeverk for intraprosedyral emboliseringsvurdering under embolisering av livmorarterien, potensielt redusere variabilitet og forbedre langsiktige kliniske utfall.