Previsão de TC para intervenções de tricúspides transcateter (CESAR-TR)

O objetivo deste estudo é aumentar a previsibilidade do sucesso terapêutico na intervenção da válvula tricúspide transcateter (TTVI) para pacientes com regurgitação tricúspide grave (TR). Isso será alcançado através de análises automatizadas de tomografia computadorizada pré-intervencional (TC).

A regurgitação tricúspide grave está associada a maus resultados dos pacientes. Em estágios avançados, a terapia farmacológica se torna ineficaz e a intervenção cirúrgica carrega um alto risco de mortalidade. Dado esse desafio clínico, o tratamento baseado em cateter da válvula tricúspide tornou-se um ponto focal de pesquisa.

Uma estratégia de tratamento bem estabelecida é a intervenção percutânea da válvula tricúspide, que visa reduzir a regurgitação por meio de anuloplastia, reparo de borda a ponta baseado em folheto ou substituição da válvula. Foi demonstrado que essa abordagem diminui significativamente a gravidade da regurgitação, levando a uma redução dramática na carga de sintomas e uma melhora acentuada na qualidade de vida.

No entanto, prever quais pacientes se beneficiarão mais com o TTVI e a determinação da técnica ideal para cada indivíduo permanecerá em grande parte desafios não resolvidos.

Software de inteligência artificial (AI), como o Heart.ai Por Laralab (Munique), permite a medição automatizada de estruturas anatômicas capturadas via imagem por TC. Essa tecnologia já permite uma avaliação rápida e precisa de câmaras cardíacas e o anel tricúspide durante todo o ciclo cardíaco, facilitando uma avaliação tridimensional abrangente da anatomia do coração direito.

Para refinar a seleção do paciente e otimizar estratégias processuais para o tratamento com TR, o pesquisador trabalha uma colaboração multicêntrica para analisar os resultados do tratamento e a resposta do paciente a abordagens terapêuticas específicas.