Модель прогнозирования на основе искусственного интеллекта для тромболизиса подвздошного DVT

Это проспективное одноручное когортное исследование направлено на разработку модели прогнозирования, способствующей AI, для результатов лечения у пациентов с острым обширным тромбозом глубокой вены (если-DVT), подвергаясь фармакомеханическому тромболизу без стента. В исследовании рассматривается текущая отсутствие подтвержденных инструментов для отбора пациентов и прогнозирования результатов при вмешательствах, направленных на катетер для проксимального ТГВ.

Тридцать последовательных взрослых пациентов с MRV-подтвержденным острой, если-DVT будут подвергаться фармакомеханическому тромболизису с использованием системы angiojet ZelantedVT с дополнительным введением RTPA.

Основная цель состоит в том, чтобы разработать сверточную нейронную сеть (CNN), обученную последовательным данным визуализации MRV для прогнозирования трехмесячного успеха реканализации венозной реканализации. Приобретения MRV происходят на исходном уровне, предискании и трехмесячном наблюдении. Сегментация наземной истины будет выполняться опытным рентгенологом, использующим 3D Slicer, с полуавтоматическим распространением в наборе данных. Извлечение признаков будет включать геометрические метрики, анализ радиомических текстур и морфологические характеристики архитектуры как тромба, так и сосудов.

Вторичные конечные точки включают в себя острую заболеваемость повреждения почек (значительная проблема с реолитической тромбэктомией из-за нефротоксичности, вызванной гемолизом), развития посттерботического синдрома, оцениваемого с помощью оценки Villalta, и различных результатов безопасности, включая основное кровотечение по критериям.

Протокол исследования включает в себя строгий мониторинг для ОПП с использованием критериев KDIGO, с систематической оценкой функции почек, маркеров гемолиза и баланса электролита. Протоколы гидратации и нефропротекторные меры будут стандартизированы, хотя конкретные стратегии требуют разъяснения от нефрологической группы.

В этом исследовании рассматриваются критические пробелы в отборе пациентов на основе фактических данных для инвазивного лечения ТГВ, особенно после смешанных результатов исследования привлечения. Модель прогнозирования искусственного интеллекта может позволить персонализированные решения о лечении, что потенциально улучшит соотношение риска и выгоды фармакомеханических вмешательств при одновременном снижении ненужных процедур у пациентов вряд ли принесет пользу.