Σύγχρονα δεδομένα του ρόλου της καρδιαγγειακής απεικόνισης στη διαστρωμάτωση κινδύνου στη μη ισχαιμική μυοκαρδιοπάθεια

Η διατατική μυοκαρδιοπάθεια (DCM) και η μη διατατική μυοκαρδιοπάθεια της αριστερής κοιλίας (NDLVC) αποτελούν σημαντικά αίτια καρδιακής ανεπάρκειας και αιφνίδιου καρδιακού θανάτου (SCD). Η κλασική διαστρωμάτωση κινδύνου βασίστηκε ιστορικά στο κλάσμα εξώθησης της αριστερής κοιλίας (LVEF), ωστόσο αυξανόμενα δεδομένα δείχνουν ότι η αποκλειστική χρήση του LVEF αποτυγχάνει να αναγνωρίσει σημαντικό ποσοστό ασθενών με αυξημένο αρρυθμιολογικό κίνδυνο, ιδιαίτερα σε πρώιμα στάδια της νόσου. Η καρδιακή μαγνητική τομογραφία (CMR) έχει αναδειχθεί ως βασικό εργαλείο στη σύγχρονη διαστρωμάτωση κινδύνου, κυρίως μέσω της απεικόνισης όψιμης ενίσχυσης γαδολινίου (LGE), η οποία αντικατοπτρίζει μυοκαρδιακή ίνωση. Η παρουσία, η κατανομή και η έκταση της LGE σχετίζονται στενά με την εμφάνιση κακοήθων κοιλιακών αρρυθμιών και SCD, ανεξάρτητα από το LVEF, ακόμη και σε ασθενείς με διατηρημένη ή ήπια μειωμένη συστολική λειτουργία. Παράλληλα, νεότερες τεχνικές CMR, όπως το T1 mapping και ο υπολογισμός του εξωκυττάριου όγκου (ECV), επιτρέπουν την ανίχνευση διάχυτης ίνωσης και συμβάλλουν στην αναγνώριση ασθενών υψηλού κινδύνου πριν από την εγκατάσταση έκδηλης δυσλειτουργίας. Η ηχωκαρδιογραφία, με δείκτες όπως το global longitudinal strain (GLS), προσφέρει συμπληρωματική προγνωστική πληροφορία. Η ενσωμάτωση της γενετικής ανάλυσης έχει μεταβάλει ουσιαστικά την προσέγγιση της πρόληψης του SCD. Μεταλλάξεις σε γονίδια όπως LMNA, DSP, FLNC, PLN και RBM20 συνδέονται με ιδιαίτερα αρρυθμιογόνους φαινότυπους, συχνά ανεξάρτητα από το LVEF, καθιστώντας αναγκαία μια εξατομικευμένη, γονιδιο-καθοδηγούμενη στρατηγική. Τέλος, η τεχνητή νοημοσύνη αναδύεται ως ισχυρό εργαλείο σύνθεσης απεικονιστικών, ηλεκτροφυσιολογικών και γενετικών δεδομένων. Συνολικά, τα σύγχρονα δεδομένα υποστηρίζουν ένα πολυπαραμετρικό μοντέλο “EF-plus” για τη βελτιστοποίηση της πρόληψης του αιφνίδιου καρδιακού θανάτου.

Authors dc:creator

• Αντωνίου Χρήστος
• Antoniou Christos

• Επιστήμες Υγείας
• Health Sciences

Language dc:language

Ελληνικά, Greek

Identifier

uoadl:5402454

OAI identifier oai:identifier

oai:lib.uoa.gr:uoadl:5402454