Exploring new PET/CT capabilities and machine learning for improving the diagnosis of infective endocarditis
| Promotie: | drs. D. ten Hove |
| Wanneer: | 13 mei 2024 |
| Aanvang: | 12:45 |
| Promotors: | prof. dr. A.W.J.M. (Andor) Glaudemans, prof. dr. B.N.M. (Bhanu) Sinha, prof. dr. R.H.J.A. (Riemer) Slart |
| Waar: | Academiegebouw RUG |
| Faculteit: | Medische Wetenschappen / UMCG |
Onderzoek naar nieuwe PET/CT-mogelijkheden en machinaal leren om de diagnose van infectieuze endocarditis te verbeteren
Dit proefschrift van Derk ten Hove streeft naar het verbeteren van de diagnose van infectieuze endocarditis: een complexe en bedreigende aandoening waarbij het endotheel van het hart (e.g. hartkleppen) of geïmplanteerde materialen, zoals kunstmatige hartkleppen of cardiaal geïmplanteerde elektronische apparaten (CIEDs) geïnfecteerd raakt. Het onderzoek focust vooral op de rol van [18F]FDG PET/CT, en onderzoekt het huidige klinische gebruik ervan, met name na de integratie als Major criterium voor de diagnose kunstklependocarditis in de ESC-richtlijnen van 2015.
Een overzicht van infectieuze endocarditis, de geschiedenis, diagnose en uitdagingen rondom de behandeling leiden het proefschrift in. Vervolgens worden de indicaties voor [18F]FDG PET/CT bij vermoedelijke infectieuze endocarditis onderzocht. Ook wordt de noodzaak voor standaardisatie van deze techniek besproken. Daarnaast wordt ingegaan op de voordelen van bewegingsgecorrigeerde FDG PET/CT voor verbeterde beeldkwaliteit. Tot slot wordt het belang van activiteit van mediastinale lymfeknopen besproken, die helaas onbetrouwbaar bleek als indicator voor endocarditis.
Een ander deel van het onderzoek was een systematische review en meta-analyse van [18F]FDG PET/CT bij infecties die betrekking hebben op linker ventrikel ondersteuningsapparaten (LVADs). Hierbij werd een hoge gevoeligheid en specificiteit van FDG PET/CT gevonden voor deze infecties. Er wordt daarnaast een voorstel gedaan voor het standaardiseren van diagnostische criteria voor LVAD-infecties.
Het onderzoek verkent verder de effectiviteit van [18F]FDG PET/CT in een cohortstudie met twee centra, waarbij de aanvullende rol van semi-kwantitatieve analyse naast visuele analyse wordt benadrukt bij het nauwkeurig identificeren van LVAD-infecties.
Tot slot presenteert het proefschrift een proof-of-concept voor het gebruik van machine learning om de voorspellende kracht van de aangepaste Duke-criteria voor endocarditis te versterken. Deze modellen toonden veelbelovende resultaten. Deze modellen moeten nog zorgvuldig worden gevalideerd voordat ze kunnen worden gebruikt in de praktijk.