Optimización de la planificación del implante percutáneo de prótesis valvular aórtica mediante el Modelo de Segmentación en Cero Disparos de Meta AI

Abstract

[ES] La implantación percutánea transcatéter de válvula aórtica (TAVI, por sus siglas en inglés) representa un avance crucial para pacientes con estenosis aórtica severa, ofreciendo una alternativa menos invasiva a la cirugía convencional. Una fase fundamental en la planificación de la TAVI es la segmentación precisa del tracto de salida del ventrículo izquierdo y la aorta ascendente, vital para la correcta evaluación y el dimensionamiento de la válvula protésica. Este trabajo propone utilizar el innovador modelo Segment Anything Model (SAM) de Meta AI, que promete una segmentación de alto rendimiento a través de un enfoque en cero disparos, para mejorar significativamente la precisión y eficiencia de este proceso. El objetivo principal es aplicar y evaluar la eficacia del modelo SAM en la optimización de la segmentación de imágenes de tomografía computarizada cardíaca, específicamente para la planificación de la TAVI. El objetivo es comparar la precisión del modelo con las segmentaciones realizadas por cardiólogos expertos y analizar cómo la implementación de este modelo puede influir positivamente en la evaluación del anillo aórtico y el dimensionamiento de la válvula protésica. La investigación se llevará a cabo mediante la utilización de Google Colab y un conjunto de indicaciones específicas para implementar un código disponible en GitHub del modelo SAM en la segmentación precisa de las estructuras cardíacas relevantes. Además, se dispone de acceso a un amplio repositorio de imágenes cardíacas para una evaluación detallada de las áreas segmentadas. La efectividad del modelo se medirá comparando los resultados obtenidos con las evaluaciones realizadas por cardiólogos intervencionistas expertos en el análisis de imágenes de tomografía computerizada para el guiado de TAVI del Hospital Clínico Universitario de Valencia El trabajo tiene como finalidad demostrar cómo la aplicación del modelo SAM puede optimizar la planificación de la TAVI, ofreciendo una herramienta de segmentación tan precisa y eficiente como técnicas convencionales. Esto podría traducirse en un mejor dimensionamiento de las prótesis valvulares aórticas y, en consecuencia, en una mejora de los resultados clínicos para los pacientes, optimizando la precisión y eficiencia del proceso.

[EN] The percutaneous transcatheter aortic valve implantation (TAVI) represents a crucial advancement for patients with severe aortic stenosis, offering a less invasive alternative to conventional surgery. A fundamental phase in the planning of TAVI is the accurate segmentation of the left ventricular outflow tract and the ascending aorta, vital for the correct evaluation and sizing of the prosthetic valve. This work proposes using Meta AI's innovative "Segment Anything Model" (SAM), which promises high-performance segmentation through a zero-shot approach, to significantly improve the accuracy and efficiency of this process. The main objective is to apply and evaluate the effectiveness of the SAM model in optimizing the segmentation of cardiac computed tomography images, specifically for TAVI planning. The goal is to compare the model's accuracy with segmentations performed by expert cardiologists and analyze how the implementation of this model can positively influence the assessment of the aortic ring and the sizing of the prosthetic valve. The research will be conducted using Google Colab and a set of specific instructions to implement SAM model code available on GitHub for the precise segmentation of relevant cardiac structures. In addition, access to a comprehensive repository of cardiac images is available for a detailed evaluation of the segmented areas. The model's effectiveness will be measured by comparing the results obtained with the evaluations performed by expert interventional cardiologists in the analysis of computed tomography images for TAVI guidance at the Clinical University Hospital of Valencia. The purpose of the work is to demonstrate how the application of the SAM model can optimize TAVI planning, offering a segmentation tool as accurate and efficient as conventional techniques. This could translate into better sizing of aortic valve prostheses and, consequently, an improvement in clinical outcomes for patients, optimizing the accuracy and efficiency of the process.