数字双胞胎和人工智能技术用于内血管程序的预测规划

科学领域:

• 医学成像和模拟技术
• 计算工程 计算工程 计算工程
• 人工智能在医学中的应用

背景情况:

• 目前的内血管程序规划依赖于CT扫描的手动测量.
• 现有的工具,如3D打印模型,在评估设备行为方面存在局限性.
• 数字双胞胎 (DT) 技术在其他行业取得了成功,在内血管修复方面正在出现.

研究的目的:

• 审查数字双胞胎 (DTs) 与人工智能 (AI) 集成的当前状态,用于内血管程序规划.
• 突出DTs在模拟设备部署和预测并发症中的应用.
• 探索DTs在外周内血管程序中的潜力.

主要方法:

• 从CT扫描中生成患者特有的大动脉DTs,通过有限元素分析结合机械性质.
• 创建大动脉支架移植的3D模型,以模拟在DT中的部署.
• 使用机器学习算法分析DT衍生参数来预测并发症,例如1A型内泄漏风险.

主要成果:

• DTs提供了详细的洞察力,了解患者解剖学中的内血管器件行为.
• 可以通过机器学习处理DT衍生参数来预测1A型内泄漏风险.
• 应用范围扩展到规划复杂的程序,如窗口和分支支的支架移植和外围干预.

结论:

• 与人工智能相结合的DT技术在规划内血管大动脉和外周手术方面取得了重大进展.
• 这种综合方法有望提高预测并发症的准确性并改善程序结果.
• 进一步调查DTs对于外围内血管程序,如动脉支架的进一步调查是有必要的.