Identificação de placas coronárias vulneráveis ​​com angiografia por tomografia computadorizada assistida por inteligência artificial (VALUE)

A doença arterial coronariana (DAC) continua sendo a principal causa de morte em todo o mundo. As placas ateroscleróticas desempenham um papel fundamental na mortalidade de pacientes relacionados à DAC. Assim, a detecção, quantificação e caracterização de placas coronárias são clinicamente significativas para a prevenção e intervenção precoce da DAC.

A angiotomografia coronária (CCTA) emergiu como uma ferramenta não invasiva robusta para a avaliação da DAC. Na prática clínica, a avaliação da placa coronária é realizada por um processo manual demorado, dependente da experiência do médico e da interpretação visual subjetiva. Com o desenvolvimento da inteligência artificial, muitos métodos automáticos auxiliados por computador foram propostos para pós-processar as imagens CCTA. No entanto, os algoritmos de avaliação de placa propostos anteriormente não foram desenvolvidos com base na ultrassonografia intravascular (IVUS) ou na tomografia de coerência óptica (OCT), que eram consideradas referência ouro para avaliação de placa. Assim, nosso objetivo foi desenvolver um modelo de aprendizagem profunda em um sistema automático e inteligente de todo o processo em CCTA para detectar, quantificar e caracterizar placas usando IVUS ou OCT como padrão de referência. Em seguida trabalharemos na validação em diferentes cenários clínicos: (i) Validação da precisão do novo modelo de aprendizagem profunda; (ii) Prognóstico do modelo em diferentes populações com DAC.

As principais questões que pretende responder são:

1. se o modelo de IA permite detectar e quantificar placas coronárias em comparação com ultrassom intravascular ou leitores especialistas;
2. se o modelo de IA permite identificar placas vulneráveis ​​usando IVUS ou OCT como padrão de referência.
3. se o modelo de IA permite prever eventos cardíacos adversos futuros em uma grande coorte de 10.000 pacientes com doença arterial coronariana não obstrutiva (estudo 2 da China CT-FFR).