Pålitliga, integrerade artificiell intelligensverktyg för att förutsäga högrisk koronarplack (AI-CORPS)

Kranskärlssjukdom (CAD) är en av de vanligaste orsakerna till dödsfall och funktionshinder. Identifiering av patienter med hög risk för kardiovaskulära händelser är avgörande. Men nuvarande riskskiktning baserad på avbildning och kända biomarkörer är suboptimal. Syftet med detta förslag är att utveckla en multikriteriebeslutsmodell för icke-invasiv bedömning av sårbara aterosklerotiska patienter och att utvärdera dess förmåga att förutsäga förekomsten av en biverkning hos patienter med medelhög till hög risk med misstänkt eller känd CAD. Det planerade arbetsflödet inkluderar ett första steg med användning av en retrospektiv kohort av patienter som genomgår kliniskt indikerad kranskärlsangiografi (CCTA) för att utveckla en integrerad applikation för automatisk koronarartärsegmentering, kvantitativ plackanalys, biomekanik och vätskedynamik, baserad på maskininlärning, radiomik och beräkningsanalys metoder och valideras mot referensstandarden för varje verktyg. Det andra steget kommer att tillämpa denna nya metod på en större retrospektiv kohort av patienter med integrering av genomisk biomarkörbedömning för att härleda den mest exakta riskstratifieringsmodellen för att korrekt identifiera sårbara patienter och sårbara plack med avseende på utfall. Slutligen, i det tredje steget, kommer den härledda prediktiva modellen att prospektivt valideras i en oberoende kohort av patienter från en pågående studie (CTP-PRO-studie) för att bedöma robustheten och noggrannheten hos den föreslagna lösningen.