CCTA för att optimera diagnostisk avkastning av invasiv angiografi med AI (CarDIA-AI)

Kranskärlssjukdom (CAD) är en ledande dödsorsak. Guldstandardtestet som används för att diagnostisera CAD är invasiv kranskärlsangiografi (ICA). Men nästan hälften av patienterna som får ICA visar sig inte ha någon sjukdom eller icke-signifikant sjukdom. Detta innebär att medan de får en diagnos får de ingen terapeutisk nytta. Det är oroande eftersom ICA är dyrt och det innebär en risk för patienterna. Ett icke-invasivt diagnostiskt test, cardiac computed tomographic angiography (CCTA), har visat sig vara lika effektivt som ICA för att diagnostisera CAD i rätt patientpopulation, samtidigt som det är billigare och mindre riskabelt för patienter. En optimal lösning skulle innebära screening för att identifiera vilka patienter som är bra kandidater för CCTA jämfört med vilka som bör få ICA. Detta screeningverktyg skulle kunna användas i en triage-väg för att säkerställa att varje patient får det test som är bäst för dem. Utredarna har använt artificiell intelligens (AI) för att utveckla en modell för att avgöra vilka patienter som ska få ICA jämfört med vilka som ska få CCTA. Utredarna har också utvecklat en triage-väg för att styra patienter till det mest lämpliga testet. Utredarna planerar nu att utvärdera AI-verktyget i kombination med triage-vägen genom en klinisk prövning vid Hamilton Health Sciences och Niagara Health. Denna vårdmodell kommer att minska risken för patienterna, minska väntetiderna för ICA och minska kostnaderna för sjukvården.