Umělá inteligence pro ultrazvukem řízené periferní nervy a rovinné bloky

Znalost sonoanotomie je nezbytná pro postupy regionální anestezie řízené ultrazvukem (UGRA). Zaměřili jsme se na posouzení přesnosti softwaru umělé inteligence (AI) používaného k usnadnění interpretace sonoanatomie zvýrazněním anatomických struktur v periferních nervových a rovinných blocích při rozpoznávání anatomických struktur.

Všechna skenování byla provedena pomocí ultrazvukového zařízení (GE Logiq, Wisconsin, USA) se softwarem AI (Nerveblox, Smart Alfa Teknoloji San. Ve Tic. A.Ş., Ankara, Turecko). Při použití tohoto nastavení, když uživatel provádí ultrazvukové skenování, software AI uživateli poskytuje zpětnou vazbu v reálném čase o identifikaci anatomických struktur / orientačních bodů.

Software AI je navržen tak, aby uživateli v reálném čase poskytoval tři hlavní zpětnovazební signály;

• jmenovky pro každou anatomickou strukturu
• barevné překryvy pro každou anatomickou strukturu
• úspěšnost skenování pro celý obrázek

Barevné překryvy a jmenovky jsou zvýraznění a tečky s upravenou průhledností, které uživateli poskytují obecnější prostorovou zpětnou vazbu o anatomickém rozložení. Míra úplnosti roviny je vizualizována pomocí měřidla „úspěšnosti skenování“, které uživatele vede způsobem, který ukazuje, jak blízko je aktuální obrázek ideální vizualizaci předdefinovaných orientačních bodů.

Oblasti periferního nervu a rovinného bloku (jejich anatomické orientační body), které software AI dokáže identifikovat, jsou;

• Oblast bloku adduktorového kanálu (stehenní tepna, m. Sartorius, n. saphenus a m. Vastus medialis)
• Oblast bloku axilárního brachiálního plexu (a. axilární, m. biceps brachii, m. coracobrachialis, šlacha kloubní, muskulokutánní nerv a m. triceps brachii)
• Oblast bloku ESP (rovina vzpřimovače páteře) (m. vzpřimovač páteře, pleura, kosočtverec, trapézový sval a příčný výběžek)
• Oblast femorálního bloku (femorální tepna, femorální žíla, femorální nerv a Iliopsoasový sval)
• Oblast PECS (hrudního) bloku (pohrudnice, malý prsní sval, velký prsní sval, žebro a přední sval serratus
• Oblast popliteálního bloku (společný peroneální nerv, podkolenní tepna, podkolenní žíla a tibiální nerv)
• Oblast bloku přímého pochvy (peritoneální dutina, přímý břišní sval, přední přímý pochva a zadní přímý sval)
• Oblast blokování povrchového cervikálního plexu (přední scalenetický sval, krční tepna, krční plexus, jugulární žíla a sternokleidomastoidní sval)

V rámci studie budou tři anesteziologičtí školenci, kteří byli vyškoleni v regionální anestezii a kvalifikovaní k provádění technik UGRA, skenovat každého dobrovolníka pod vedením softwaru AI. Celkem tři rezidenti provedou skeny 8 typů bloků pro všech 40 dobrovolníků. Všechny naskenované obrázky budou uloženy. Pomocí tohoto postupu bude pořízeno 960 ultrazvukových snímků v nezpracované formě i ve formě zpracované AI pro odborné posouzení.

Anesteziolog s odbornými znalostmi o technikách regionální anestezie řízené ultrazvukem a radiolog s rozsáhlými zkušenostmi s ultrazvukem zkontrolují a vyhodnotí přesnost softwaru AI na získaných ultrazvukových snímcích. Pro získání přesnějšího výsledku bude hodnocení softwaru AI provedeno samostatně pro každou anatomickou strukturu vybraných oblastí bloku.

Odborníci jsou požádáni, aby vyhodnotili a ohodnotili (0: nesprávně umístěné, 1: velmi špatné, 2: špatné, 3: dobré, 4: velmi dobré, 5: vynikající) jmenovky a barevné překryvy umístěné softwarem AI. Pokud je jmenovka (reprezentovaná tečkou a zkratkou názvu struktury) pro anatomickou strukturu umístěna tak, že není ve vizuálních hranicích anatomické struktury, bude skóre "0: mislocated." Pokud je jmenovka pro anatomickou strukturu správně umístěna v rámci vizuálních hranic a je schopna reprezentovat anatomickou strukturu, pak by skóre mělo být mezi „1: velmi špatné“ a „5: vynikající“ podle konzistence okolní barvy. překrytí a základní anatomická struktura.

Data budou analyzována pomocí softwaru SPSS 26 na úrovni spolehlivosti 95 %. Pro měření bude poskytnuta statistika průměru, směrodatné odchylky (SD), minima, maxima a mediánu. Protože proměnná "skóre" je ordinální měření mezi 0 a 5 a neposkytuje normální rozdělení v regionech, budou v analýze použity neparametrické metody.