Rezumat

Patologiile cardiovasculare reprezintă principala cauză de deces la nivel mondial. Cea mai frecventa si devastatoare patologie cardiovasculara este ateroscleroza. Scopul acestui proiect este dezvoltarea, implementarea, testarea și validarea unei metode bazate pe retele neurale adanci (DL) pentru determinarea in timp real a unor indicatori functionali de diagnoza pentru leziuni non-culprit la pacienti cu sindrom coronarian acut (ACS) din imagini medicale de rutina preluate prin angiografie cu raze X (XA) și din măsurători de rutină. In cazul metodelor bazate pe DL, relatia dintre datele de intrare, e.g. anatomia unui arbore vascular, si marimile hemodinamice de interes este reprezentata de un model construit prin intermediul unei baze de date de esantioane cu caracteristici si marimi de iesire cunoscute. Se propune o solutie inovativa, bazata pe reconstructia eficienta a modelelor anatomice din imagini medicale, pe extragerea complet automatizata a caracteristicilor din modelele anatomice reconstruite si din masuratorile de rutina, precum si pe calculul in timp real al indicatorilor functionali de diagnoza. Deoarce procesul de antrenare a modelelor DL necesita baza de date mari, antrenarea va utiliza date exclusiv sintetice iar marimile de interes de iesire vor fi calculate cu modele bazate pe dinamica fluidelor. Metoda propusă adresează de asemenea scopul secundar de planificare virtuală a tratamentului (pentru a ajuta medicii în determinearea strategiei optime de tratare). Modelele DL vor fi validate pe baza datelor preluate de la 19 pacienti cu infarct miocardic cu supradenivelare de segment ST (STEMI) si 22 de pacienti cu angina instabila sau non-STEMI. Deoarece metoda reduce riscurile și costurile asociate tratării pacientilor cu ACS, precum și durata procedurilor invazive din laboratorul de cateterizare, framework-ul propus are potențialul de a îmbunătăți fundamental rutina clinică pentru pacienți cu ACS.

Obiective

Obiectivele proiectului sunt: 1. Dezvoltarea si validarea unui model multiscalar al circulatiei coronariene pentru evaluarea leziunilor non-culprit 2. Generarea unei baze de date mari cu dare sintetice in silico reprezentative pentru pacienti coronarieni acuti 3. Dezvoltarea si validarea unor modele bazate pe deep learning pentru calculul in timp real al indicatorilor diagnostici coronarieni 4. Dezvoltarea si validarea unei metodologii pentru tratarea virtuala a pacientilor 5. Managementul proiectului si diseminarea rezultatelor

Rezultate estimate

Rezultatele estimate ale proiectului sunt: 1. Model cu parametri distribuiti al circulatiei coronariene pentru pacienti STEMI, NSTEMI si UA. 2. Date pacienti coronarieni acuti procesate. 3. Model multiscalar al circulatiei coronariene pentru evaluarea leziunilor non-culprit. 4. Baza de date mare cu date sintetice in silico reprezentative pentru pacienti coronarieni acuti. 5. Modele de machine learning pentru calculul in timp real al indicatorilor diagnostici coronarieni la pacienti acuti. 6. Metodologie pentru tratarea virtuala a pacientilor coronarieni acuti.