Ferramentas confiáveis ​​e integradas de inteligência artificial para prever placas coronárias de alto risco (AI-CORPS)

A doença arterial coronariana (DAC) está entre as principais causas de morte e incapacidade. A identificação de pacientes com alto risco de eventos cardiovasculares é fundamental. No entanto, a atual estratificação de risco baseada em imagens e biomarcadores conhecidos é subótima. O objetivo desta proposta é desenvolver um modelo de decisão multicritério para avaliação não invasiva de pacientes ateroscleróticos vulneráveis ​​e avaliar sua capacidade de prever a ocorrência de um evento adverso em pacientes de risco intermediário a alto com suspeita ou DAC conhecida. O fluxo de trabalho planejado inclui uma primeira etapa usando uma coorte retrospectiva de pacientes submetidos à angiografia coronária clinicamente indicada (CCTA) para desenvolver um aplicativo integrado para segmentação automática da artéria coronária, análise quantitativa da placa, biomecânica e dinâmica de fluidos, com base em aprendizado de máquina, radiômica e análise computacional abordagens e validadas em relação ao padrão de referência para cada ferramenta. A segunda etapa aplicará esta nova metodologia a uma coorte retrospectiva maior de pacientes com a integração da avaliação de biomarcadores genômicos para obter o modelo de estratificação de risco mais preciso para identificar adequadamente pacientes vulneráveis ​​e placas vulneráveis ​​em relação ao resultado. Finalmente, na terceira etapa, o modelo preditivo derivado será validado prospectivamente em uma coorte independente de pacientes de um estudo em andamento (estudo CTP-PRO) para avaliar a robustez e precisão da solução proposta.