Прогнозирование КТ для транскатетерных трикуспидных вмешательств (CESAR-TR)

Целью данного исследования является повышение предсказуемости терапевтического успеха в транскатетерном трикуспидном вмешательстве клапана (TTVI) для пациентов с тяжелой трикуспидной регургитацией (TR). Это будет достигнуто путем автоматического анализа сканирования до предварительной компьютерной томографии (КТ).

Тяжелая трикуспидальная регургитация связана с плохими результатами пациента. На продвинутых этапах фармакологическая терапия становится неэффективной, а хирургическое вмешательство несет высокий риск смертности. Учитывая эту клиническую проблему, катетерное лечение трикуспидного клапана стало центром исследований.

Одной из устоявшихся стратегии лечения является чрескожное вмешательство трикуспидного клапана, которое направлено на снижение регургитации либо за счет аннулопластики, репарации на основе листовок до края или замены клапана. Было показано, что этот подход значительно снижает тяжесть регургитации, что приводит к резкому снижению бремени симптомов и заметному улучшению качества жизни.

Тем не менее, прогнозирование того, какие пациенты больше всего выиграют от TTVI, и определение оптимальной техники для каждого человека остается в значительной степени нерешенными проблемами.

Программное обеспечение с искусственным интеллектом (ИИ), такое как Heart.ai Ларалаб (Мюнхен) позволяет автоматизировать измерение анатомических структур, захваченных с помощью КТ -визуализации. Эта технология уже допускает быструю и точную оценку сердечных камер и трикуспидного кольца на протяжении всего сердечного цикла, способствуя комплексной трехмерной оценке анатомии правого сердца.

Чтобы усовершенствовать отбор пациентов и оптимизировать процедурные стратегии для лечения TR, исследователь выполняет многоцентровое сотрудничество для анализа результатов лечения и реакции пациента на конкретные терапевтические подходы.