'Machine learning’ voor het voorspellen van cardiovasculaire aandoeningen en de impact van therapie op basis van echocardiografische, functionele en morfologische eigenschappen van het hart

Cardiovasculaire ziekten blijven de voornaamste doodsoorzaak wereldwijd en zijn verantwoordelijk voor ongeveer 30% van alle overlijdens. Ultrasone beeldvorming is de primaire beeldvormingsmodaliteit voor cardiale diagnostiek aangezien het niet enkel niet-invasief, mobiel en relatief goedkoop is maar ook omdat het beelden kan maken in real-time aan hoge tijdsresolutie (i.e.standaard 30 beelden/seconde). Niettegenstaande er wereldwijd veel ontwikkelingen gebeuren om het bepalen van de morfologie en functie van het hart zo accuraat en robuust mogelijk te maken, wordt er relatief weinig aandacht besteed aan het helpen van de clinicus in het interpreteren van de verkregen metingen. Desalniettemin is het alom erkend dat de verkregen data complex en niet eenvoudig te interpreteren is – zelfs voor experten. In dit project zullen de nieuwste methodologieën vanuit de artificiële intelligentie aangewend worden om de arts bij te staan in het interpreteren van de echocardiografische gegevens en het daarop volgend beslissingsproces. Meer specifiek zullen we informatie extraheren over lokale vorm en functie van het hart; deze corrigeren voor cofactoren zoals geslacht of leeftijd; en hun toegevoegde prognostische waarde (individueel of gemeenschappelijk) bepalen. Als eerste toepassingen zullen we voorspellen welke patiënten verhoogd risico lopen op cardiale aandoeningen alsook welke hartfalen patiënten positief zullen reageren op bi-ventriculaire pacemaker therapie.