Vývoj modelu strojového učení k předpovědi pleurální adheze před operací pomocí pleurálního ultrazvuku

Rakovina plic je v současnosti celosvětově hlavní příčinou úmrtí na zhoubné nádory. Chirurgie je primární léčebnou metodou rakoviny plic a průlomové techniky hrudní chirurgie hrají zásadní roli v diagnostice a léčbě rakoviny plic. Lékařská ultrazvuková technologie je díky svým neinvazivním, flexibilním, pohodlným a ekonomickým vlastnostem široce používána v klinické praxi. S pokrokem v ultrazvukové technologii a potřebou řešit klinické problémy zaznamenala technologie ultrazvukového zobrazování nový vývoj v oblasti torakoskopické chirurgie.

V éře minimálně invazivní chirurgie jsou peroperační pleurální adheze jedním z hlavních faktorů ovlivňujících provádění videoasistované torakoskopické chirurgie (VATS). Zejména v rámci konceptu zvýšeného zotavení po operaci (ERAS) se model jednodenní chirurgie pro VATS postupně formoval. Pleurální adheze však významně zvyšují intraoperační trauma a prodlužují pobyt v nemocnici. Pleurální adheze navíc zvyšují riziko poškození plic během VATS a v závažných případech mohou bránit přístupu do pleurálního prostoru, což vyžaduje konverzi na otevřenou torakotomii. Pleurální adheze prodlužují dobu operace a morbiditu při hrudní chirurgii v důsledku špatné viditelnosti, krvácení a poranění plic a cév. Přítomnost, umístění a stupeň pleurálních adhezí jsou užitečné pro určení počátečního umístění portu nebo pro volbu mezi otevřeným nebo VATS přístupem. Proto je přesná předpověď přítomnosti a specifické lokalizace pleurálních srůstů před operací zásadní pro rozvoj jednodenní chirurgie v rámci hrudní ERAS, která zajišťuje bezpečnost a efektivitu budoucích denních operací VATS.

Předchozí studie ukázaly, že CT hrudníku je obtížné předvídat pleurální adheze, s citlivostí pouze 72 % a citlivostí pouze 46 % pro stanovení adhezí na konkrétních místech. Naproti tomu ultrasonografie pohrudnice (USP) může dynamicky zobrazit pleurální klouzání a adheze s okolní plicní tkání a má možnosti monitorování v reálném čase založené na pohybu, což poskytuje jedinečné výhody pro detekci pleurálních adhezí. Předoperační predikce pleurálních adhezí pomocí USP má významnou aplikační hodnotu. Studie již prokázaly výhody použití transtorakálního pleurálního ultrazvuku k identifikaci pleurálních adhezí. Nicola a kol. provedli 1 192 ultrazvuků k predikci pleurálních adhezí, potvrdili 1 124 pozitivních případů a 68 negativních případů, se senzitivitou 80,6 %, specificitou 96,1 %, pozitivní prediktivní hodnotou 73,2 % a negativní prediktivní hodnotou 97,4 %. Stále však existují určité problémy s použitím USP k predikci pleurálních adhezí. Lékaři, kteří dokážou identifikovat pleurální srůsty, musí být vyškoleni v ultrazvuku plic a ultrazvukové vyšetření a interpretace jsou techniky závislé na dovednostech. Břemeno školení lékařů hrudního ultrazvuku zůstává klinickou výzvou.

Technologie trojrozměrné konvoluční neuronové sítě (3D-CNN) je nově vznikající technologií v oblasti umělé inteligence a strojového učení. Na rozdíl od tradičních konvolučních neuronových sítí (CNN) dokáže 3D-CNN zpracovávat trojrozměrná data, která zahrnují časovou dimenzi, díky čemuž je vhodná pro analýzu vlastností dynamického obrazu ultrazvukových snímků v reálném čase. Tato technologie je příslibem pro vývoj modelu strojového učení pro interpretaci USP snímků, potenciálně nahrazující lékařskou interpretaci a zlepšení přesnosti USP při identifikaci pleurálních adhezí.

Stručně řečeno, tato studie má v úmyslu použít USP pro předoperační identifikaci pleurálních srůstů u pacientů, u nichž je plánována operace VATS. Jeho cílem je prozkoumat přesnost USP při predikci intraoperačních pleurálních adhezí a vyvinout diagnostický model využívající technologii 3D-CNN ke zpracování obrázků a video dat souvisejících s USP pro strojové učení. Studie bude zkoumat senzitivitu, specificitu, pozitivní prediktivní hodnotu a negativní prediktivní hodnotu modelu 3D-CNN-USP při identifikaci pleurálních adhezí. Kromě toho bude zkoumat proveditelnost a účinnost použití 3D-CNN-USP pro předoperační identifikaci pleurálních srůstů na podporu provádění jednodenní chirurgie v hrudní chirurgii.