Επικύρωση του μοντέλου Vascul8 της Qureight για πνευμονικές αγγειακές διαταραχές
Η Qureight, μια τεχνολογική εταιρεία που προάγει την κατανόηση των παθήσεων του πνεύμονα και της καρδιάς μέσω της εφαρμογής της πλατφόρμας ανάλυσης εικόνας και επιμέλειας κλινικών δεδομένων που υποστηρίζεται από AI, ανακοίνωσε σήμερα την δημοσίευση μιας μελέτης που επικυρώνει το μοντέλο Vascul8™ για πνευμονικές αγγειακές διαταραχές, στο American Journal of Respiratory Cell and Molecular Biology. Η μελέτη απέδειξε ότι το μοντέλο Vascul8 παρέχει ακριβείς, αυτοματοποιημένες πληροφορίες σχετικά με την αντίδραση στη χειρουργική επέμβαση για ασθενείς που υποβάλλονται σε θεραπεία για χρόνια θρομβοεμβολική πνευμονική υπέρταση (CTEPH).
Αυτές οι πληροφορίες επέτρεψαν την αναγνώριση ασθενών με υψηλό κίνδυνο υπολειμματικής πνευμονικής υπέρτασης, μειώνοντας την ανάγκη για ρουτίνα μετά την επέμβαση δεξιάς καρδιοκαθετήρησης.
Προβλήματα και προσεγγίσεις στη CTEPH
Η CTEPH προκαλείται από την παρουσία χρόνιων θρόισμων αίματος (χρόνιες πνευμονικές θρομβοεμβολές) στις αρτηρίες του πνεύμονα που δεν διαλύονται πλήρως. Η χειρουργική επέμβαση πνευμονικής ενδαρτηρεκτομής (PEA) πραγματοποιείται συχνά για την αφαίρεση των θρόισμων. Ωστόσο, οι ασθενείς μπορεί να παραμείνουν με υπολειμματική πνευμονική υπέρταση (PH) και να απαιτούν περαιτέρω παρέμβαση ή θεραπεία. Η τρέχουσα προσέγγιση για την εκτίμηση των ασθενών που διατρέχουν κίνδυνο πνευμονικής υπέρτασης περιλαμβάνει τη δεξιά καρδιοκαθετήρηση (RHC), μια επεμβατική και χρονοβόρα διαδικασία, για τη μέτρηση της πίεσης και της ροής του αίματος στην πνευμονική κυκλοφορία. Τα ευρήματα που αναφέρονται σε αυτή τη μελέτη δείχνουν ότι μπορούμε να ελέγξουμε αποτελεσματικά τους ασθενείς για υπολειμματική PH, και επομένως να πραγματοποιήσουμε δεξιά καρδιοκαθετήρηση μόνο σε εκείνους που διατρέχουν υψηλό κίνδυνο για υπολειμματική PH, μειώνοντας τον αριθμό των επεμβατικών και δαπανηρών διαδικασιών.
Η τεχνολογία της Qureight και τα οφέλη της
Η πλατφόρμα ανάλυσης εικόνας και επιμέλειας κλινικών δεδομένων της Qureight και τα μοντέλα βαθιάς μάθησης εντοπίζουν βασικές δομικές αλλαγές στους πνεύμονες για την εκτίμηση της προόδου της νόσου. Σε αυτή τη μελέτη, το μοντέλο Vascul8 της Qureight χρησιμοποιήθηκε για να αναλύσει τις υπολογισμένες τομογραφίες πνευμονικών αγγειογραφιών (CTPAs) προκειμένου να ποσοτικοποιήσει τις αλλαγές στον όγκο των αιμοφόρων αγγείων σε ασθενείς με CTEPH μετά τη χειρουργική επέμβαση PEA. Η ανάλυση με το Vascul8 επέτρεψε ακριβή αγγειακή τμηματοποίηση, συμπεριλαμβανομένου του διαχωρισμού μεταξύ αρτηριακού και φλεβικού όγκου αίματος, παρέχοντας μια αντικειμενική, αυτοματοποιημένη προσέγγιση για την αναγνώριση αλλαγών στον όγκο των αγγείων και την πρόβλεψη των ασθενών που είναι πιο πιθανό να διατρέχουν κίνδυνο υπολειμματικής πνευμονικής υπέρτασης. Αυτή η μελέτη δείχνει πώς η τεχνολογία βαθιάς μάθησης της Qureight προσφέρει μια πιο εξατομικευμένη, ακριβή και μη επεμβατική προσέγγιση στη διαχείριση της θεραπείας της CTEPH, παρέχοντας στους γιατρούς βαθύτερες γνώσεις σχετικά με τη σοβαρότητα της νόσου ενός ασθενούς και την ανάγκη για περαιτέρω παρέμβαση.
Η Joanna Pepke-Zaba, ιατρός σύμβουλος στο Royal Papworth Hospital NHS Foundation Trust και αναπληρώτρια καθηγήτρια στο Πανεπιστήμιο του Καίμπριτζ, δήλωσε: “Η CTEPH έχει για πολύ καιρό μια πολύπλοκη διαχείριση της νόσου, απαιτώντας την υποκειμενική εμπειρία πολυδιάστατων ομάδων. Είμαστε ενθουσιασμένοι που εργαστήκαμε σε αυτή τη μελέτη όπου δείχνουμε μια εναλλακτική προσέγγιση στην απεικόνιση της CTEPH και τη διαχείριση των ασθενών, χρησιμοποιώντας το μοντέλο ανάλυσης εικόνας της Qureight, Vascul8. Αυτό σηματοδοτεί ένα σημαντικό βήμα προς τα εμπρός στην εφαρμογή της απεικόνισης σε σοβαρές και πολύπλοκες αναπνευστικές και αγγειακές παθήσεις.”
Ο Hakim Ghani, ερευνητής στο Royal Papworth Hospital NHS Foundation Trust, πρόσθεσε: “Με την υποστήριξη του Vascul8, η αυτοματοποιημένη ποσοτικοποίηση των όγκων αίματος στους πνεύμονες από CT scans μπορεί να βοηθήσει στην αναγνώριση ασθενών με χρόνιους θρόισμους αίματος που παραμένουν σε κίνδυνο υπολειμματικής πνευμονικής υπέρτασης μετά τη χειρουργική επέμβαση. Αυτή η προσέγγιση απεικόνισης που βασίζεται στην AI θα μπορούσε να καθοδηγήσει καλύτερες αποφάσεις θεραπείας, να υποστηρίξει πιο εξατομικευμένη φροντίδα, να μειώσει την ανάγκη για επεμβατικές εξετάσεις και να επιτρέψει νέες κατευθυντήριες γραμμές σε κλινικές δοκιμές – προσφέροντας συνολικά τεράστιες δυνατότητες για όφελος των ασθενών.”
Αυτή η μελέτη αποδεικνύει την υπόσχεση των βιοδεικτών αγγείων βαθιάς μάθησης μας και αποδεικνύει ότι η πλατφόρμα απεικόνισής μας μπορεί να χρησιμοποιηθεί πέρα από τις ίντριγκες πνευμονικής νόσου, σε πνευμονικές αγγειακές διαταραχές όπως η CTEPH. Αυτή η καινοτομία θέτει τα θεμέλια για μελλοντικές συνεργασίες βιοφαρμακευτικών εταιρειών στη θεραπεία πνευμονικών αγγειακών νόσων, ενισχύοντας τη θέση μας στην κανονιστική ποιότητα και την αγγειακή νόσο.
