Artificiell intelligens i nya hjärt-MR-markörer för medfödd hjärtsjukdom (AI-CMR)

Bakgrund Ett ökande antal barn med komplex medfödd hjärtsjukdom (CHD) behandlas idag och överlever till vuxen ålder. De är i behov av en livslång övervakning för kardiovaskulära komplikationer och en individualiserad behandling.

Vid pediatrisk aorta- och lungklaffsjukdom är långtidskomplikationerna relaterade till valvulär dysfunktion med myokardfibros och ventrikulär dysfunktion som ett resultat av långvarig volym- eller trycköverbelastning. Många patienter kommer att behöva operation eller interventionsbehandling redan i barndomen, där den optimala tidpunkten för interventionen vid olika CHD är avgörande, eftersom tidig behandling kan förhindra irreversibel skada på hjärtat.

Dessutom, för att möjliggöra upptäckt av återkommande eller nya problem tidigt, behövs en långtidsdiagnostisk uppföljning där kardiovaskulär magnetisk resonans (CMR) har blivit viktig för en seriell reproducerbar bedömning av morfologi, funktion och nyligen avancerade metoder för flödes- och vävnadskarakterisering . Det kliniska beslutet om den perfekta tidpunkten och typen av behandling för ett barn kan fortfarande vara svårt i många fall och bättre åtgärder behövs.

Syfte Detta projekt kommer att undersöka barn med aorta- och lungklaffsjukdom behandlade eller obehandlade longitudinellt med hjälp av etablerade CMR-mått med ytterligare nyutvecklade, lovande, mycket förfinade och kliniskt tillämpbara kvantitativa avbildningsbiomarkörer, jämfört med de konventionella CMR-uppskattningarna. Vi syftar till att utvärdera riskstratifiering och undersöka de hemodynamiska och morfologiska förändringarna före och efter interventionell eller kirurgisk behandling på kort och lång sikt. Klinisk betydelse Om de nya förfinade CMR-biomarkörerna kan avslöja förbättrad sjukdomskarakterisering, kan de avslöja genomförbara för att hjälpa det kliniska beslutsfattandet för att optimera tidpunkten för intervention och förutsäga långsiktiga komplikationer. Detta skulle kunna bidra till att individualisera behandlingen och förbättra hälsan hos barn med CHD. Studien kan leda till förbättrad patientvård och användning av socioekonomiska resurser.