Implantaci koronárního stentu kvůli ischemické chorobě srdeční na celém světě každoročně podstoupí více než tři miliony pacientů. I když zákrok zprůchodní zúžené tepny, důležitým faktorem úspěchu je správné hojení, konkrétně růst nové neointimální tkáně.
Pokud je tento proces narušen například nadměrnou hyperplazií nebo tvorbou kalcifikací, zvyšuje se riziko restenózy, nebo dokonce uzávěru cévy.
OCT je přesná zobrazovací metoda umožňující detailní zobrazení cévní stěny a stentu. Její využití v klinické praxi však naráží na časovou náročnost ruční analýzy. Interpretace stovek snímků může zabrat hodiny i zkušenému odborníkovi. A právě zde dostává slovo AI.
Výzkumný tým z Helmholtz Zentrum München a Univerzitní nemocnice Technické univerzity v Mnichově vyvinul algoritmus DeepNeo, který umožňuje automatizovanou analýzu hojení stentu na základě OCT snímků.
DeepNeo nejenže rozpozná různé typy hojivých vzorců s přesností odpovídající lidskému expertovi, ale zvládne to během několika sekund. Navíc poskytuje kvantitativní informace, například o tloušťce neointimy nebo pokrytí stentu, což může být přínosné při volbě další léčby.
„Můžeme dosáhnout automatizované, standardizované a zároveň vysoce přesné analýzy hojení stentu i cévní stěny, tedy něčeho, co dříve vyžadovalo rozsáhlou ruční práci. DeepNeo je stejně přesný jako lékař, jen o poznání rychlejší,“ vysvětluje první autor studie Dr. Valentin Koch.
Algoritmus byl natrénován na 1148 OCT snímcích z 92 vyšetření u pacientů. Všechny snímky byly ručně anotovány s cílem klasifikace různých forem neointimálního růstu. Následně se DeepNeo testoval na zvířecím modelu, kde správně identifikoval patologickou tkáň v 87 % případů oproti laboratornímu zlatému standardu. Vysoké úspěšnosti dosáhl i při analýze snímků od lidských pacientů.
Tento nástroj by se tak mohl stát součástí širšího systému péče řízené pomocí AI. Podle expertů má potenciál zefektivnit péči a snížit náklady, a zejména umožnit personalizovanou léčbu pro každého pacienta – přesně na základě toho, jak se jeho cévy skutečně hojí.
(mb)
Zdroje:
1. Koch V., Holmberg O., Blum E. et al. Deep learning model DeepNeo predicts neointimal tissue characterization using optical coherence tomography. Commun Med 5, 124 (2025), doi: 10.1038/s43856-025-00835-5.
2. AI-Powered Analysis of Stent Healing. Helmholtz Munich, 24. 4. 2025. Dostupné na: www.helmholtz-munich.de/en/newsroom/news-all/artikel/ai-powered-analysis-of-stent-healing
