Новое количественное определение портальной гипертензии с помощью модели на основе изображений у пациентов с циррозом печени (CHESS2104)

Китай страдает от самого тяжелого бремени болезней печени в мире. Число хронических заболеваний печени составляет более 400 миллионов человек. Вирусный гепатит, алкогольный гепатит или метаболический жировой гепатит и т. д. могут прогрессировать в цирроз печени, что серьезно угрожает общественному здоровью. Портальная гипертензия является критическим фактором риска, коррелирующим с клиническим прогнозом у пациентов с циррозом печени. Согласно Консенсусу по клиническому применению градиента печеночного венозного давления в Китае (2018 г.), градиент печеночного венозного давления (ГВДП) более 10, 12, 16, 20 мм рт. ст. соответственно предсказывает различные исходы у пациентов с циррозом портальной гипертензии. Очень важно создать систему стратификации риска и проводить индивидуальное лечение портальной гипертензии при циррозе печени. Будучи универсальным золотым стандартом диагностики и мониторинга портальной гипертензии, ГПВД остается ограничением для клинического применения из-за его инвазивности. Как разработать новый, неинвазивный, точный и удобный метод прогнозирования ГПВД, является важной общей проблемой лечения портальной гипертензии при циррозе печени.

Развитие методики радиомики обеспечивает подход к решению вышеуказанных клинических проблем. Основанная на алгоритмах искусственного интеллекта, радиомика использует поддающиеся извлечению, высокому разрешению и количественные характеристики из зашифрованных медицинских изображений, а также клинические или генетические данные для создания системы поддержки принятия решений, основанной на фактических данных, для достижения клинических целей, включая диагностику, оценку эффективности лечения и предсказание прогноза. В этом проекте, направленном на разработку системы стратификации риска для лечения гипертонии при циррозе печени, мы создадим базу данных стандартов лечения и будем использовать инструмент радиомика для построения системы принятия решений. Мы возьмем на себя ответственность за достижение сегментации органов и сосудов, выбор рентгенологических признаков и построение сигнатур для прогнозирования классификации гипертензии, а также завершим разработку прототипа системы, которая будет объединять четыре модуля, включая управление базой данных, прикладной модуль стратификации риска HVPG, представление прогнозируемого результата. модуль и модуль сбора прогностической информации. Этот проект будет сосредоточен на двух аспектах: оптимизации алгоритмов машинного обучения и разработке прототипа системы, чтобы продвигать прецизионную медицину при заболеваниях печени.