경식도 대동맥판막 삽입술 전 파라발불러 반류 예측을 위한 자동화 시스템

Automated Prediction of Paravalvular Regurgitation before Transcatheter Aortic Valve Implantation

심각한 대동맥 협착은 노년 환자에게 흔하게 나타나는 생명을 위협하는 질환이며, 종종 경식도 대동맥판막 삽입술(TAVI)로 치료됩니다. 절차 개선에도 불구하고, 파라발불러 반류(PVR)는 여전히 TAVI 시술 후 가장 흔한 합병증 중 하나이며, 장기적인 예후에 상당한 영향을 미치는 것으로 알려져 있습니다. 본 연구에서는 심장 CT 영상을 이용하여 PVR 발생 가능성을 예측하는 데 딥러닝의 잠재력을 조사합니다. 이를 위해, 수술 전 TAVI 환자의 데이터를 수집하고, 등방성 CT 이미지 데이터에 대해 3차원 컨볼루션 신경망을 학습시켰습니다. 연구 결과는 볼륨 기반 딥러닝이 수술 전 이미지에서 미묘한 해부학적 특징을 파악할 수 있음을 시사하며, 개인 맞춤형 위험 평가 및 시술 최적화를 위한 새로운 가능성을 제시합니다. 소스 코드는 https://github.com/EIDOSLAB/tavi 에서 확인할 수 있습니다.

Severe aortic stenosis is a common and life-threatening condition in elderly patients, often treated with Transcatheter Aortic Valve Implantation (TAVI). Despite procedural advances, paravalvular aortic regurgitation (PVR) remains one of the most frequent post-TAVI complications, with a proven impact on long-term prognosis. In this work, we investigate the potential of deep learning to predict the occurrence of PVR from preoperative cardiac CT. To this end, a dataset of preoperative TAVI patients was collected, and 3D convolutional neural networks were trained on isotropic CT volumes. The results achieved suggest that volumetric deep learning can capture subtle anatomical features from pre-TAVI imaging, opening new perspectives for personalized risk assessment and procedural optimization. Source code is available at https://github.com/EIDOSLAB/tavi.