Video Experimental Relacionado
Updated: Feb 22, 2026
Acupoint Catgut Embedding Therapy for Abdominal Obesity Treatment
Published on: November 22, 2024
Tejido Adiposo Pericoronario: Evaluación Cuantitativa, Integración de Inteligencia Artificial y Modulación
Leanne Eveson1, Ikboljon Sobirov1, Kenneth Chan1
1Acute Multidisciplinary Imaging & Interventional Centre, British Heart Foundation (BHF) Centre of Research Excellence, Division of Cardiovascular Medicine, Radcliffe Department of Medicine, NIHR Oxford Biomedical Research Centre, University of Oxford, Oxford, UK.
El tejido adiposo pericoronario (PCAT) muestra potencial como biosensores de inflamación vascular. La obtención de imágenes estandarizadas y la IA pueden mejorar su uso para el diagnóstico y manejo de la enfermedad arterial coronaria (EAC).
Área de la Ciencia:
- Imagen Cardiovascular
- Descubrimiento de Biomarcadores
- Inteligencia Artificial en Medicina
Sus antecedentes:
- El tejido adiposo pericoronario (PCAT) se reconoce como un marcador de inflamación vascular.
- La angiografía coronaria por tomografía computarizada (CCTA) permite la evaluación cuantitativa de PCAT para evaluar la carga inflamatoria en la enfermedad arterial coronaria (EAC).
Objetivo del estudio:
- Revisar la base anatómica y fisiológica del PCAT como biomarcador clínico.
- Destacar la importancia de estandarizar la obtención de imágenes de PCAT y explorar el papel de la IA en su aplicación.
- Discutir el potencial de la obtención de imágenes de PCAT en el diagnóstico, la estratificación de riesgos y el seguimiento del tratamiento de la enfermedad cardiovascular aterosclerótica.
Principales métodos:
- Revisión de la literatura existente sobre obtención de imágenes de PCAT, técnicas de estandarización y aplicaciones de IA.
- Examen de la puntuación del índice de atenuación de grasa (FAI) como métrica de inflamación coronaria.
- Discusión de la evidencia emergente sobre la modulación terapéutica de la puntuación FAI y la utilidad de la obtención de imágenes en serie.
Principales resultados:
- La obtención de imágenes estandarizadas de PCAT, en particular la puntuación FAI, muestra potencial para cuantificar la inflamación coronaria.
- La inteligencia artificial puede mejorar la precisión y escalabilidad del análisis de PCAT.
- Los datos emergentes sugieren que la puntuación FAI puede ser modulada por diversos agentes terapéuticos.
Conclusiones:
- La obtención de imágenes de PCAT, mejorada por la IA, está preparada para complementar los factores de riesgo tradicionales de EAC y la evaluación de placas.
- La estandarización es crucial para que el PCAT se convierta en un biomarcador clínico confiable.
- La evaluación del riesgo inflamatorio utilizando PCAT puede guiar la medicina cardiovascular personalizada y los tratamientos antiinflamatorios.
![Visualization and Quantification of Brown and Beige Adipose Tissues in Mice using [18F]FDG Micro-PET/MR Imaging](/_next/image?url=https%3A%2F%2Fcloudfront.jove.com%2FCDNSource%2Fteasers%2F62460.jpg&w=3840&q=50)