Validering av 3D-simuleringar i Embolic Stroke

Stroke drabbar mer än 100 000 personer varje år i Storbritannien, och upp till 50 % av patienterna lämnas med betydande funktionsnedsättning [1, 2]. 85 % av stroke beror på tilltäppta blodkärl i hjärnan (akut ischemisk stroke [AIS]), avbrytande av blodtillförseln och resulterar i vävnadsinfarkt och funktionsnedsättning [1]. Stroke är ansvarig för betydande sjuklighet och dödlighet, med betydande sociala och ekonomiska konsekvenser, särskilt för individer i arbetsför ålder [1, 2]. Orsaken till AIS kan brett klassificeras som embolisk och icke-embolisk stroke [3]. Ungefär en fjärdedel av AIS är kardioembolisk, på grund av emboli från vänster förmak (förmaksflimmer - AF), klaffar (hjärtklaffssjukdom eller protesklaffar), nyligen genomförd hjärtinfarkt, patent foramen ovale, infektiös endokardit eller aterom i aortabågen [3- 5]. Denna siffra är högre bland äldre vuxna på grund av ökande prevalens av AF med åldern [6]. Viktigt är att kardioemboliska stroke är allvarligare, vilket resulterar i större funktionsnedsättning än andra undertyper av stroke [4]. På grund av förbättrade standarder för hantering av vaskulära riskfaktorer ökar andelen stroke till följd av kardioembolism och har tredubblats i incidens under de senaste decennierna [4]. Korrekt identifiering och hantering av en embolisk källa kan minska återfall med upp till 70 % [4]. AF är fortfarande den främsta orsaken till kardioembolisk stroke [4, 5]. Korrekt identifiering och behandling av AF tros dock förekomma hos endast 50 % av de berättigade patienterna [3]. Detta kan bero på läkarens ovilja att antikoagulera patienter, särskilt i den sköra äldre befolkningen med hög risk för fall [3]. Upp till 25 % av stroke är embolisk av obestämd källa (ESUS), vilket kan bero på paroxysmal AF som kräver långvarig hjärtövervakning för att framgångsrikt identifiera och behandla patienter [3, 7]. AF är asymtomatisk hos upp till 40 % av patienterna, och den första presentationen kan vara med en signifikant infarkt [8]. Antikoagulation är hörnstenen för att minska strokerisken vid AF, men med upp till en dubbelt ökad blödningsrisk är denna behandling endast reserverad för beprövade fall [9, 10]. Antikoagulation i ESUS är fortfarande en pågående debatt och är för närvarande begränsad till högriskgrupper (t. flera infarkter i olika territorier) [11, 12]. Därför är identifiering och behandling av AF en nyckelprioritet för att minska framtida strokerisken, men minimera komplikationer där antikoagulering inte är indicerad.

Med tanke på de olika etiologierna, utredningen och hanteringen av embolisk och icke-embolisk stroke, underlättar tidig differentiering kliniskt beslutsfattande och möjliggör fokuserad utredning och behandling för patienter. Radiologiska egenskaper hos stroke kan stödja denna process eftersom infarktens plats, storlek och mönster kan indikera den troliga etiologin och undertypen av stroke. Men för närvarande finns det inga kriterier för att bedöma detta, som förlitar sig på en kvalitativ och därmed subjektiv åsikt från den behandlande läkaren eller radiologen. Felaktig diagnos har rapporterats i upp till en tredjedel av lakunära stroke, beroende på enbart kliniska och CT-fynd [13]. Majoriteten av falskt positiva fynd berodde på kardioembolisk eller stor artär stroke, vilket potentiellt resulterade i missat tillfälle att identifiera och behandla AF [13]. Diffusionsviktad avbildning kan förbättra diagnosen lakunär infarkt men dess användning begränsas av kostnad och tillgänglighet [13-15]. I en nyligen genomförd studie av 133 patienter med ESUS visade sig 22,6 % ha AF efter tre månaders hjärtövervakning, och en riskpoäng på 8 poäng kunde förutsäga detta med rimlig noggrannhet (area under kurvan=0,70) [16]. Denna noggrannhet faller dock avsevärt där etiologin för stroke förblir obestämd [16]. Den verkliga andelen AF som inte upptäcks är fortfarande okänd, och tidigare upptäckt genom prediktiv modellering kan potentiellt minska förseningar i utredning och behandling.

Därför kan en förbättring av de processer genom vilka embolisk stroke, särskilt AF, hjälpa till att vägleda det kliniska beslutsfattandet. Detta skulle möjliggöra bättre skräddarsydda undersökningar till patienter, ta bort onödiga tester som skulle kunna ha potentiella ekonomiska fördelar för NHS och minska utredningsbördan för patienterna. Utvecklingen av strokemodeller som kan integrera klinisk information från patienter och skanningsfynd kan eventuellt ge förbättrad diagnostisk noggrannhet för klassificering av stroke-subtyp och underlätta snabb och mer riktad utredning och behandling. Speciellt kan modeller som kan skilja mellan olika typer av emboli vara särskilt värdefulla och snabbt utökad övervakning för patienter som med största sannolikhet har en AF-källa.

Denna studie föreslår en Monte Carlo-metod utvecklad av JH och EC för att simulera stroke [17-20]. Denna metod har nyligen anpassats med hjälp av en in silico cerebral vaskulatur [21] och testats mot strokebilder från databasen Anatomical Tracings of Lesions After Stroke (ATLAS) (opublicerat arbete). Fördelen med att använda en beräkningsgenererad vaskulatur framför avbildning är att det inte finns någon nedre gräns för kärlstorlek och vi kan inkludera kärl i vår modell ner till kapillärbädden. Inom simuleringarna kan vi uppskatta lesionsvolymen samt införliva de olika metaboliska kraven för grå och vit substans. Nyligen har vi kunnat reproducera strokebilder i de främre, mellersta och bakre (ACA, MCA, PCA respektive) cirkulationerna med hjälp av bilder från ATLAS-datauppsättningen. Men majoriteten av lesionerna i ATLAS var kroniska till sin natur och detta ger ingen information om hur denna modell skulle prestera vid "ytterdörren" där behandlingsbeslut kunde fattas på ett mer lägligt sätt.

Därför syftar detta projekt till att utveckla en databas för scanning av akut stroke för att validera dessa nyligen utvecklade simuleringar mot och för att bestämma noggrannheten vid förutsägelse av källan till embolic stroke i den akuta miljön. Med tanke på den växande tillämpningen av AI-tekniker inom klinisk medicin kommer vi att jämföra förmågan hos denna nyligen utvecklade strokesimuleringsmodell med AI-tekniker för att förutsäga källan till embolisk stroke. Vi kommer att jämföra modellernas förmåga med kliniska eller radiologiska åsikter. Slutligen kommer vi att testa den kombinerade förmågan hos de två teknikerna för att fastställa källan till embolislag. Specifikt kommer vi att utvärdera följande källor: lacunar, kardioembolisk, aterosklerotisk emboli med stora kärl och vattendelare.