El estudio de esta propuesta persigue optimizar el manejo de las infecciones de dispositivos cardiovasculares mediante la creación de modelos de predicción diagnóstica y terapéutica usando la radiómica en PET-FDG. Para ello, se estudiará el rendimiento de la radiómica comparado con el análisis visual convencional subjetivo en el diagnóstico de infección y la monitorización de la terapia antimicrobiana supresiva, cuando el dispositivo infectado queda retenido. Paralelamente, se caracterizarán mediante radiómica los patrones de captación normal FDG en hombres y mujeres a los que se les ha implantado un dispositivo cardiovascular sin sospecha de infección, teniendo en cuenta el tiempo de implante del dispositivo y las potenciales variaciones ligadas al sexo. Por último, se integrarán junto con las variables demográficas, clínicas y pronósticas, toda la información obtenida de la radiómica, con el fin de crear modelos de predicción basados en inteligencia artificial aplicables al diagnóstico y seguimiento de las infecciones de dispositivos cardiovasculares. Para ello se recogerán casos retrospectivos (2018-2024) con infección de dispositivo definitiva y, durante los años 2025-2026, se incluirán prospectivamente pacientes con infección de dispositivos cardiovasculares definitiva, y estudios PET-FDG realizados. Paralelamente, se llevará a cabo un ensayo clínico con reclutamiento de 30 sujetos portadores de dispositivos cardiovasculares sin sospecha de infección (controles) a los que se les realizarán dos estudios PET-FDG de control, a los tres meses y doce meses desde el implante del dispositivo. Se comparará el rendimiento de la radiómica, para lo que se extraerán las características radiómicas (forma, intensidad y textura de los mapas SUV) de todos los PET-FDG mediante PyRadiomics, con el análisis visual subjetivo y semicuantitativo convencional. Los resultados se describirán en términos de valores de precisión, sensibilidad, especificidad, VPN, VPP y curvas ROC.
Infección Dispositivos Cadiovasculares
PET-FDG
Radiómica
Modelos de predicción clínica
(Machine Learning).
Acción Estratégica en Salud (AES)
01/01/2025 - 31/12/2027
MARTA HERNANDEZ MENESES
FUNDACIO DE RECERCA CLINIC BARCELONA - INSTITUT DE INVESTIGACIONS BIOMEDIQUES AUGUST PI I SUNYER
IIS FUNDACIO RECERCA CLINIC BARCELONA - IDIBAPS (IIS-FRCB-IDIBAPS)
CATALUÑA
BARCELONA
52,000 €