計算モデルで小児の心臓弁の漏れを予測

2024 年 4 月 24 日 – オクラホマ大学 (OU) の研究者らは、 発展した 小児の心臓弁の漏出を予測し、外科的意思決定を支援するために設計された計算モデル。

これらのツールは、小児の弁の形状、考えられる弱点、弁を通って血液がどのように移動するかを特定するため、臨床医が将来の心臓の構造的完全性を予測し、有害な結果を防ぐための潜在的な外科的手順を知らせることができる可能性があります。

この研究では、小児心臓血管ケアをより個別化するために、心臓病学と生物医工学の専門家が結集します。

「これは真のトランスレーショナル医療です」と、OU Health 小児心臓外科医であり、OU 医科大学の心臓血管外科および胸部外科の教授兼主任であるハロルド・ブルクハート医師はプレスリリースで述べた。

「多分野の協力により、私たちは 2D と 3D 心エコー図の両方で確認できるものを超える計算モデルを作成するための知識を共有しています。 これにより、私たちはさらに一歩進んで、各個人の特徴に合わせて心臓を実生活と同じように視覚化することができます」とブルクハート氏は続けました。 「それを理解すると、ここにステッチを入れたり、そこのバルブを締めたりした場合に何が起こるかをテストできます。バルブに過度のストレスがかかるのか、それとも問題が解決されるのか? 手術室に入る前に、より多くの方向性を与えてくれる可能性があります。」

続きを読む： 機械学習アプローチにより心不全転帰リスクを予測

この研究は、左心低形成症候群（胎児の心臓の左側が正しく形成されず、心臓の右側が肺と残りの部分に血液を送り出す必要がある先天異常）のモデルを開発することから始まりました。体。

この疾患を持つ子供は、この欠陥を修正するために一連の 3 回の開胸手術を受けなければなりません。 通常、これらの初期手術は成功しますが、漏れのある弁を修復するためにフォローアップ手術が必要になる場合があります。

同じことが、心臓の穴としても知られる房室管欠損にも当てはまります。

左心低形成症候群の場合、就学前までに子どもの約 25 パーセントに弁漏れがあると推定されています。 房室管欠損のある小児では、最初の外科的修復後 6 か月から 2 年の間に弁漏れが発生する可能性があります。

このような場合の弁漏れの原因はまだよくわかっていませんが、研究者らは、この問題を修正するための追加手術は通常、最初の手術の半分の成功率しかないことを示しました。 さらに、弁が修復できない場合は、子供に機械的な心臓弁の挿入が必要になる場合がありますが、このプロセスには潜在的に重大なリスクが伴います。

続きを読む： 深層学習ツールが精密医療アプローチを前進させる可能性がある

弁の損傷を予測できれば、これらのリスクの一部に対処できる可能性がありますが、弁を膨張させるなど、外科医が手術中に心臓を観察できる現在の技術には限界があります。

「3D 心エコー図を使用しても、弁の詳細を確認するのは困難です」と、OU Health の心臓専門医であり、OU 医科大学小児心臓病学の准教授である Arshid Mir 医師は説明します。 「ほとんどの心臓弁はプリングルチップのようなもので、より角があり、高い点と低い点があります。 私たちはこれらの弁について学び、出生直後のどの弁が 1 歳から 5 歳までに漏れるリスクがあるかを予測して、出産時に外科的に対処できるようにしたいと考えています。初めての修理です。」

「私たちが行っていることは、個別化医療に向けて進んでいることです」とミール氏は付け加えた。 「ある状態を単一の病気として考えるのではなく、それぞれの患者についてどのように異なる考え方をすればよいでしょうか? この子供の解剖学的構造の何が独特で、再手術のリスクが高いのでしょうか? これが、私たちが将来に向かってこれらの病気について考える方法です。」

計算モデルは、2D および 3D の心エコー図やその他のデータを使用して予測を行うように設計されており、研究チームは患者データを追加し続けてツールを長期的に改善することを目指しています。

「この画像ベースの計算モデルを通じて、どの患者が弁機能不全を起こすのかという、欠けている情報を提供したいと考えています」と、元阪大生医工学研究者で、現在はカリフォルニア大学リバーサイド校のChung-Hao Lee博士は述べた。 「どの弁に脆弱な部分があり、漏れが始まる可能性があるのか​​をよりよく理解できれば、外科医は異なる方法で手術を計画することができ、心臓専門医は術後の患者をより綿密に監視または追跡したいと思うかもしれません。」

続きを読む： 機械学習により心機能、薬物反応を特徴付ける

この研究は、心臓血管ケアへの個別化されたアプローチを構築するための最新の取り組みです。

今週、バージニア大学の研究者らは、 報告 機械学習ツールが、駆出率低下（HFrEF）を伴う進行性心不全患者の有害転帰リスクを正確に評価し、予測できるということです。

研究チームは、既存のモデルには欠損データを説明したり、侵襲的な血行動態データを組み込んだりするための堅牢な方法がないことを強調しました。

このモデルは、侵襲性血行動態のみを使用するか、非侵襲性血行動態データを組み込んだ機能セットを使用して、5 つのカテゴリーにわたる患者のリスクを予測することで、これらの課題に取り組むように設計されています。