Χαρακτηρισμός της υφής του μυοκαρδίου με ct radiomics σε ασθενείς με στένωση αορτικής βαλβίδας

Abstract

Purpose: Tissue characterization constitutes a cornerstone of medical science, enabling the identification of physiological and pathological phenotypes. Beyond traditional methods such as biopsy, imaging-based tissue characterization has recently emerged, with radiomics analysis being a prominent modality. The objective of this doctoral thesis is the development of a radiomic signature that characterizes the myocardium in patients suffering from aortic valve stenosis. Methods: The study included 400 preoperative CT angiographies from consecutive patients with aortic valve stenosis who underwent transcatheter aortic valve replacement (TAVI). The left ventricle was segmented using a semi-automated approach, and 851 radiomic features were extracted for each patient. Using artificial intelligence models, the features most characteristic of the myocardium in the presence of severe aortic stenosis were selected. Results: The initial set of 851 radiomic features was filtered to select those with the lowest inter-correlation and was adjusted for CT scanner technical parameters. Ultimately, the 71 most robust and stable features were selected to characterize the myocardium, forming the "myocardial radiomic signature". Furthermore, a subset of ten radiomic features per case successfully differentiated patients with coronary artery disease, arterial hypertension, diabetes mellitus, and systolic dysfunction. Additionally, the developed methodology was extended to investigate the diagnostic value of radiomics in detecting transthyretin cardiac amyloidosis (ATTR-CM). This application led to the development of the "AmyloidRS" composite radiomic signature, based on ten selected features, which demonstrated high predictive performance (C-index up to 0.88) for ATTR-CM detection, showcasing the feasibility of transitioning this methodology from theoretical development to clinical practice. Conclusions: Overall, a comprehensive framework is presented for the extraction of a CT-derived radiomic signature for myocardial tissue characterization in patients with aortic stenosis. Further application of this methodology confirmed its utility as a non-invasive quantitative analysis tool for assessing myocardial texture and detecting transthyretin cardiac amyloidosis, a disease traditionally diagnosed via conventional biopsy. This radiomic signature could facilitate the risk stratification of patients with aortic stenosis using only routine CT imaging.

Σκοπός: Ο ιστικός χαρακτηρισμός αποτελεί ακρογωνιαίο λίθο της Ιατρικής επιστήμης, επιτρέποντας την αναγνώριση του φυσιολογικού και του παθολογικού φαινοτύπου. Εκτός από τις παραδοσιακές μεθόδους ιστικού χαρακτηρισμού, όπως η βιοψία, προσφάτως άρχισαν να αναπτύσσονται μέθοδοι ιστικού χαρακτηρισμού μέσω της ακτινολογικής απεικόνισης. Μία από αυτές τις μεθόδους είναι και η ανάλυση με radiomics (ή ραδιομική ανάλυση). Στόχος της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη μιας ραδιομικής υπογραφής που χαρακτηρίζει το μυοκάρδιο των ασθενών που πάσχουν από στένωση αορτικής βαλβίδας. Μέθοδοι: Στη μελέτη συμπεριλήφθηκαν 400 προεγχειρητικές αξονικές αγγειογραφίες από διαδοχικούς ασθενείς με στένωση αορτικής βαλβίδας, οι οποίοι υποβλήθηκαν σε διαδερμική αντικατάσταση αυτής. Η αριστερή κοιλία των ασθενών τμηματοποιήθηκε με ημιαυτόματο τρόπο και εξήχθησαν 851 radiomics για κάθε ασθενή. Από αυτά τα radiomics, επιλέχθηκαν με μοντέλα τεχνητής νοημοσύνης, εκείνα που είναι χαρακτηριστικά του μυοκαρδίου επί σοβαρής στένωσης αορτικής βαλβίδας. Αποτελέσματα: Το σύνολο των 851 radiomics φιλτραρίστηκε ώστε να επιλεχθούν εκείνα με τη μικρότερη συσχέτιση μεταξύ τους και σταθμίστηκαν για τεχνικές παραμέτρους του αξονικού τομογράφου. Τελικά, επιλέχθηκαν τα καλύτερα και πιο σταθερά 71 radiomics για να χαρακτηρίσουν το μυοκάρδιο των ασθενών με σοβαρή στένωση αορτικής βαλβίδας, στη λεγόμενη ραδιομική υπογραφή του μυοκαρδίου. Δέκα radiomics ανά περίπτωση κατόρθωσαν επίσης να διαχωρίσουν τους ασθενείς με στεφανιαία νόσο, αρτηριακή υπέρταση, σακχαρώδη διαβήτη και συστολική δυσλειτουργία. Επιπλέον, η αναπτυχθείσα μεθοδολογία επεκτάθηκε για να διερευνηθεί η διαγνωστική αξία των radiomics στην ανίχνευση της καρδιακής αμυλοείδωσης από τρανσθυρετίνη (ATTR-CM). Η εφαρμογή αυτή οδήγησε στην ανάπτυξη της σύνθετης ραδιομικής υπογραφής AmyloidRS, η οποία βασίζεται σε δέκα επιλεγμένα radiomics και εμφάνισε υψηλή προγνωστική ικανότητα (C-index έως 0,88) για την ανίχνευση ATTR-CM, αποδεικνύοντας τη δυνατότητα μετάβασης της μεθοδολογίας από την θεωρητική ανάπτυξη στην κλινική πράξη. Συμπεράσματα: Συνολικά, παρουσιάζεται μια ολοκληρωμένη μέθοδος για την εξαγωγή μιας ραδιομικής υπογραφής που προέρχεται από την αξονική τομογραφία για τον ιστικό χαρακτηρισμό του μυοκαρδίου σε ασθενείς με στένωση αορτικής βαλβίδας. Η περαιτέρω εφαρμογή της μεθοδολογίας επιβεβαίωσε τη χρησιμότητά της ως μη επεμβατικού εργαλείου ποσοτικής ανάλυσης για την αξιολόγηση της μυοκαρδιακής υφής και την ανίχνευση καρδιακής αμυλοείδωσης από τρανσθυρετίνη, μία νόσο που παραδοσιακά διαγιγνωσκόταν με κλασική βιοψία. Αυτή η ραδιομική υπογραφή θα μπορούσε να χρησιμεύσει στη διαστρωμάτωση των ασθενών που πάσχουν από στένωση αορτικής βαλβίδας, χρησιμοποιώντας μόνο εικόνες από αξονικές τομογραφίες ρουτίνας.