使用Endoleak风险指数基于AI的EVAR规划的早期临床经验支持其对个性化决策和教育的价值

科学领域:

• 血管外科 血管外科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 血管内大动脉修复 (EVAR) 是用于下大动脉动脉瘤的常见程序.
• 1a型内泄漏 (EL1a) 仍然是一个严重的并发症,需要仔细的手术前规划.
• 恩多莱克风险指数 (ERI) 是一种基于人工智能 (AI) 的工具,旨在预测EL1a风险.

研究的目的:

• 评估基于人工智能的ERI在规划内膜EVAR方面的初始经验.
• 在EVAR规划期间评估ERI对临床决策的影响.
• 在现实临床环境中调查EL1a的ERI预测准确度.

主要方法:

• 一个单一中心的研究涉及两组接受EVAR的患者.
• 第1组:回顾性队列 (n=10) 以手术前CT血管造影计算的ERI,并与结果进行比较.
• 第二组:前性队列 (n=10) 使用基于人工智能的模拟,包括内移植大小和EL1a风险预测的ERI计算;评估了ERI对决策的影响.

主要成果:

• 在第一组,10名患者中有6名患有升高的ERI,四名患有EL1a. 低ERI的患者仍然没有内分泌.
• 在第二组中,ERI影响了三名患者的治疗决策,其中包括一个内移植尺寸的变化和一个被认为不适合EVAR的病例.
• 在2组中,在平均3个月的随访期间,没有EL1a发生.

结论:

• 基于AI的ERI显示了EVAR规划的潜在价值,即使在不那么复杂的情况下.
• ERI计算可以帮助外科医生做出决策,并可能提高患者的安全性.
• 进一步验证更大的数据集和技术进步可能会巩固AI在预测EL1a和优化EVAR策略方面的作用.