Endoleak/post-EVAR: Geadvanceerde beeldvorming en AI in EVAR en endoleakbehandeling
Kak Khee Yeung presenteerde de integratie van artificiële intelligentie en geavanceerde beeldvorming in de pre-, intra- en postoperatieve fasen van EVAR en endoleakbehandeling. Preoperatief voorspelt AI het endoleak-risico via stent-appositie-simulatie, gebaseerd op 16.000 contactpunten, computational fluid dynamics en meeweging van nekgroei en andere anatomische parameters. Intraoperatief detecteert een convolutional neural network endolekkage op completie-angiografieën met nagenoeg 90% sensitiviteit en een AUC van 0,85, wat subjectieve beoordelingsverschillen bij de detectie van type Ia en type II endolekkage reduceert. Voor postoperatieve follow-up introduceerde de spreker DCE-MRI ter beoordeling van wandperfusie, waarbij type I endolekkage een specifieke time-to-peak op 157 seconden toont en type II een zeer vroege wash-in rate op 0,01 seconde. Hierbij bleek MRI superieur aan dynamische CTA bij follow-up na polymeergebruik door afwezigheid van scattering-artefacten. De structurele integratie van deze AI-modellen verplaatst de endoleakbehandeling van een reactief beleid naar gepersonaliseerde preoperatieve predictie en nauwkeurigere postoperatieve stratificering.
evarendoleakai
