Валидация 3D-моделирования при эмболическом инсульте

Инсульт ежегодно поражает более 100 000 человек в Великобритании, и до 50% пациентов остаются со значительной инвалидностью [1, 2]. 85% инсультов возникают в результате окклюзии кровеносных сосудов головного мозга (острый ишемический инсульт [ОИС]), что приводит к нарушению кровоснабжения и приводит к инфаркту ткани и функциональному нарушению [1]. Инсульт является причиной значительной заболеваемости и смертности со значительными социальными и экономическими последствиями, особенно для лиц трудоспособного возраста [1, 2]. Причины АИС можно разделить на эмболические и неэмболические инсульты [3]. Приблизительно одна четверть ПИС является кардиоэмболической из-за эмболии из левого предсердия (фибрилляция предсердий - ФП), клапанов (порок сердца или искусственные клапаны), недавно перенесенного инфаркта миокарда, открытого овального окна, инфекционного эндокардита или атеромы дуги аорты [3-3]. 5]. Этот показатель выше среди пожилых людей из-за увеличения распространенности ФП с возрастом [6]. Важно отметить, что кардиоэмболические инсульты являются более тяжелыми, что приводит к большей инвалидизации, чем другие подтипы инсульта [4]. В связи с улучшением стандартов управления сосудистыми факторами риска доля инсультов, вызванных кардиоэмболией, растет, увеличившись за последние несколько десятилетий в три раза [4]. Правильная идентификация и лечение источника эмболии может уменьшить рецидив до 70% [4]. ФП остается ведущей причиной кардиоэмболического инсульта [4, 5]. Однако считается, что правильное выявление и лечение ФП возможно только у 50% подходящих пациентов [3]. Это может быть связано с нежеланием клиницистов назначать антикоагулянты пациентам, особенно ослабленным пожилым людям с высоким риском падений [3]. До 25% инсультов приходится на эмболию неустановленного источника (ESUS), что может быть связано с пароксизмальной ФП, требующей длительного кардиологического мониторинга для успешного выявления и лечения пациентов [3, 7]. ФП протекает бессимптомно у 40% пациентов, и первым проявлением может быть выраженный инфаркт [8]. Антикоагулянтная терапия является краеугольным камнем снижения риска инсульта при ФП, но при двукратном увеличении риска кровотечения это лечение предназначено только для подтвержденных случаев [9, 10]. Антикоагулянтная терапия при ESUS остается предметом постоянных дискуссий и в настоящее время ограничивается группами высокого риска (например, множественные инфаркты на разных территориях) [11, 12]. Таким образом, выявление и лечение ФП является ключевым приоритетом для снижения риска инсульта в будущем, но минимизации осложнений, когда антикоагулянты не показаны.

Учитывая различную этиологию, исследование и лечение эмболического и неэмболического инсульта, ранняя дифференциация облегчает принятие клинических решений и позволяет проводить целенаправленное обследование и лечение пациентов. Рентгенологические признаки инсульта могут подтверждать этот процесс, поскольку расположение, размер и характер инфаркта могут указывать на вероятную этиологию и подтип инсульта. Однако в настоящее время нет критериев, по которым это можно было бы оценить, опираясь на качественное и, следовательно, субъективное мнение лечащего врача или рентгенолога. Сообщалось о неточной диагностике до одной трети лакунарных инсультов, основанной только на клинических данных и данных КТ [13]. Большинство ложноположительных результатов были связаны с кардиоэмболическим инсультом или инсультом крупной артерии, что потенциально приводило к упущенной возможности выявления и лечения ФП [13]. Диффузионно-взвешенная визуализация может улучшить диагностику лакунарного инфаркта, но ее использование ограничено стоимостью и доступностью [13-15]. В недавнем исследовании 133 пациентов с ESUS у 22,6% была обнаружена ФП после трех месяцев кардиомониторинга, и 8-балльная оценка риска могла предсказать это с достаточной точностью (площадь под кривой = 0,70). [16]. Однако эта точность значительно снижается, когда этиология инсульта остается неустановленной [16]. Истинная доля ФП, которая остается невыявленной, остается неизвестной, и более раннее выявление с помощью прогностического моделирования потенциально может сократить сроки обследования и лечения.

Следовательно, улучшение процессов, посредством которых эмболический инсульт, особенно ФП, может помочь в принятии клинических решений. Это позволит лучше адаптировать исследования к пациентам, убрать ненужные тесты, которые могут иметь потенциальную экономическую выгоду для NHS, и снизить нагрузку на пациентов. Разработка моделей инсульта, которые могут интегрировать клиническую информацию от пациентов и результаты сканирования, может обеспечить повышенную диагностическую точность для классификации подтипов инсульта и способствовать своевременному и более целенаправленному обследованию и лечению. В частности, модели, способные дифференцировать различные типы эмболий, могут быть особенно ценными и способствовать расширенному мониторингу пациентов, у которых наиболее вероятно наличие источника ФП.

В этом исследовании предлагается метод Монте-Карло, разработанный JH и EC для моделирования инсультов [17-20]. Этот метод недавно был адаптирован с использованием in silico церебральной сосудистой сети [21] и протестирован на изображениях инсульта из базы данных Anatomical Tracings of Lesions After Stroke (ATLAS) (неопубликованная работа). Преимущество использования созданной компьютером сосудистой сети по сравнению с визуализацией заключается в том, что нет нижней границы размера сосуда, и мы можем включить сосуды в нашу модель вплоть до капиллярного русла. В рамках моделирования мы можем оценить объем поражения, а также учесть различные метаболические потребности серого и белого вещества. Недавно мы смогли воспроизвести изображения инсульта в переднем, среднем и заднем (ACA, MCA, PCA соответственно) кровообращении, используя изображения из набора данных ATLAS. Однако большинство поражений в ATLAS были хроническими по своей природе, и это не дает информации о том, как эта модель будет работать на «парадной двери», где решения о лечении могут быть приняты более своевременно.

Таким образом, этот проект направлен на разработку базы данных сканирования острого инсульта для проверки этих недавно разработанных симуляций и определения точности прогнозирования источника эмболического инсульта в острых условиях. Учитывая растущее применение методов ИИ в клинической медицине, мы сравним способность этой недавно разработанной модели имитации инсульта с методами ИИ для прогнозирования источника эмболического инсульта. Мы сравним способности моделей с клиническим или рентгенологическим заключением. Наконец, мы проверим комбинированную способность двух методов для определения источника эмболического инсульта. В частности, мы будем оценивать следующие источники: лакунарные, кардиоэмболические, атеросклеротические эмболы крупных сосудов и водораздел.