Studie porovnávající dvě modality pořizování snímků pro ultrazvukový screening ve druhém trimestru těhotenství (Echo-IA) (Echo-IA)

Ultrazvuk morfologie ve druhém trimestru je klíčovým vyšetřením v porodnickém monitorování, jehož cílem je posoudit růst plodu, identifikovat případné strukturální abnormality a prozkoumat přídatné struktury jako placenta, pupeční šňůra, děložní hrdlo,...

Několik studií naznačuje, že významný podíl malformací plodu lze během tohoto časového rámce odhalit, pokud je provedena kompletní morfologická analýza. Spolehlivost screeningu však závisí na kvalitě zařízení, úrovni odbornosti operátora a dodržování protokolů, které definují nezbytná vyšetření.

Ve Francii, od prvních zpráv Národního technického výboru pro prenatální screeningový ultrazvuk (2005), je věnována zvláštní pozornost standardizaci postupů. V nedávné době publikovala Francouzská národní konference o porodnickém a fetálním ultrazvuku (CNEOF) nová doporučení (2022, revidováno 2023) včetně vývoje referenčních siluet pro vyšetření ve druhém trimestru, navrhujících 26 pohledů (22 povinných a 4 doplňkové). CNEOF však neformalizuje kvalitativní kritéria pro hodnocení shody těchto snímků; tento úkol převzal Francouzský kolegium fetálního ultrazvuku (CFEF), které stanovilo bodovací a validační mřížku pro každý fetální řez (viz dokument CFEF 2022).

Současně se umělá inteligence (AI) postupně etabluje jako nástroj pro podporu rozhodování a automatizaci v lékařském zobrazování, zejména v ultrazvuku. Algoritmy hlubokého učení jsou schopny identifikovat anatomické struktury, umisťovat měřící značky a vybírat nejoptimálnější řez, čímž snižují variabilitu mezi operátory a zefektivňují pracovní postup. V oblasti porodnického ultrazvuku některé společnosti spustily systémy schopné detekovat nebo anotovat fetální struktury v reálném čase, což potenciálně zlepšuje diagnostickou spolehlivost a reprodukovatelnost. Společnost Samsung vyvinula systém nazvaný Live View Assist, dostupný na svých ultrazvukových skenerech nejnovější generace, který využívá AI k automatickému rozpoznání a zamrznutí požadovaných fetálních řezů v reálném čase.

Nástroj také nabízí automatizovanou validaci: pokud detekovaný řez odpovídá očekávaným standardům, je přímo zaškrtnut v kontrolním seznamu. Tato inovace slibuje úsporu času, snížení rizika vynechání určitých komplexních řezů a zlepšení standardizace.

Existuje však málo údajů, zejména ve Francii, týkajících se skutečného výkonu tohoto nástroje v rutinním screeningovém kontextu. Před zvažováním integrace Live View Assist a AI do každodenní praxe je proto nezbytné vyhodnotit kvalitu získaných snímků, proveditelnost kompletního vyšetření asistovaného AI, jakož i potenciální dopad na dobu vyšetření a zlepšení pracovní zátěže sonografistů.

Cílem této studie je vyhodnotit, zda kvalita 20 povinných snímků automaticky validovaných systémem Live View Assist není horší než kvalita 20 povinných snímků získaných a ručně validovaných ultrazvukovým technikem, podle kvalitativních kritérií CFEF založených na siluetách doporučených CNEOF.