先天性心脏病新心脏 MR 标记中的人工智能 (AI-CMR)

背景 如今，越来越多患有复杂先天性心脏病 (CHD) 的儿童接受治疗并存活到成年。 他们需要对心血管并发症进行终生监测和个体化治疗。

在小儿主动脉瓣和肺动脉瓣疾病中，长期并发症与瓣膜功能障碍、心肌纤维化和长期容量或压力超负荷导致的心室功能障碍有关。 许多患者在儿童时期就需要手术或介入治疗，其中不同先心病的最佳干预时机至关重要，因为早期治疗可以防止对心脏造成不可逆转的损伤。

此外，为了尽早发现复发或新问题，需要进行长期诊断随访，其中心血管磁共振（CMR）对于形态、功能的连续可重复评估以及血流和组织表征的最新先进方法变得非常重要。 然而，在许多情况下，为儿童做出最佳治疗时间点和治疗类型的临床决定可能很困难，需要更好的措施。

目标 该项目将使用已建立的 CMR 测量方法，以及与传统 CMR 估计值相比的其他新开发的、有前景的、高度精细的和临床适用的定量成像生物标志物，对接受治疗或未治疗的主动脉瓣和肺动脉瓣疾病的儿童进行纵向调查。 我们的目的是评估风险分层，并研究短期和长期介入或手术治疗前后的血流动力学和形态学变化。 临床重要性如果新的精制 CMR 生物标志物能够揭示改善的疾病特征，它们可能会揭示在帮助临床决策、优化干预时机和预测长期并发症方面的可行性。 这可能有助于个体化治疗并改善先心病儿童的健康。 该研究可能会改善患者护理和社会经济资源的利用。