Prime esperienze cliniche con la pianificazione EVAR basata sull'IA utilizzando l'Endoleak Risk Index (ERI)

Obiettivo

Lo scopo di questo studio è stato valutare la nostra prima esperienza con l'utilizzo dell'Endoleak Risk Index (ERI) basato sull'intelligenza artificiale nella pianificazione della riparazione endovascolare dell'aorta sottorenale, con particolare attenzione al suo impatto sul processo decisionale clinico.

Metodi

Questo studio monocentrico ha valutato due gruppi di pazienti trattati con riparazione endovascolare dell'aorta (EVAR) Endurant. Il gruppo 1 comprendeva una coorte retrospettiva con almeno 3 anni di follow-up. Per questo gruppo, l'ERI è stato calcolato a partire dalle scansioni di angio-TC preoperatorie e confrontato con l'esito effettivo.

Il gruppo 2, prospettico, includeva pazienti programmati per EVAR elettiva tra marzo 2024 e marzo 2025, con simulazioni preoperatorie basate sull'IA per il dimensionamento dell'endoprotesi, incluso il calcolo dell'ERI per la previsione del rischio di endoleak di tipo 1a (EL1a). È stata valutata l'influenza dell'ERI sul processo decisionale clinico. Sono stati esclusi i pazienti con scansioni TC senza contrasto o con uno spessore di fetta superiore a 3 mm.

Risultati

Sono stati inclusi venti pazienti, 10 per gruppo, con un'età mediana di 70 anni (range 59-81 anni) nel gruppo 1 e 72 anni (range 60-84 anni) nel gruppo 2. Nel gruppo 1, l'ERI è risultato elevato in sei casi su 10, con quattro pazienti che hanno manifestato EL1a perioperatori o tardivi durante il follow-up.

In particolare, due pazienti con ERI elevato non hanno sviluppato EL1a durante periodi di follow-up di 93 e 44 mesi, mentre tutti i pazienti con ERI basso sono rimasti liberi da endoleak. Due pazienti nel gruppo 2 presentavano un ERI basso e nessun EL1a, mentre due avevano un ERI elevato per almeno una dimensione di endoprotesi simulata, portando a una modifica del trattamento (endoprotesi più grande) per un paziente.

I restanti sei pazienti presentavano un ERI elevato per tutte le dimensioni simulate, con un caso risultato non idoneo per l'EVAR sottorenale. Nonostante l'ERI elevato, il piano di trattamento iniziale è rimasto invariato per quattro pazienti, uno dei quali è deceduto per cause cardiache prima dell'impianto. Complessivamente, nessun paziente nel gruppo 2 ha sviluppato EL1a durante un follow-up mediano di 3 mesi (range 1-12 mesi).

Conclusioni

Questo studio pilota suggerisce che il calcolo dell'ERI può essere prezioso anche nei casi semplici, sottolineando l'importanza della formazione nel processo di pianificazione dell'EVAR.

Con un'ulteriore validazione su dataset più ampi e i progressi tecnologici, la previsione del rischio di EL1a basata sull'intelligenza artificiale ha il potenziale di migliorare significativamente la pianificazione dell'EVAR in futuro, promuovendo la sicurezza del paziente attraverso strategie di trattamento personalizzate e supportando il chirurgo nel suo processo decisionale.

‍