Fordelen ved maskinlæring til at diagnosticere dyb venetrombose sammenlignet med Gold Standard ultralyd

"AutoDVT" er et softwaresystem designet til at hjælpe ikke-specialiserede operatører, såsom sygeplejersker, praktiserende læger (GP) og andre allierede sundhedsprofessionelle med diagnosticering af DVT. Softwaren bruger en "machine learning"-algoritme som beskrevet nedenfor.

Denne undersøgelse har til formål at forbedre den nuværende besværlige, tidskrævende og dyre diagnostiske DVT-vej.

Venøs trombose (VT) forekommer almindeligvis i de dybe benvener såvel som de dybe vener i bækkenet. DVT'er kan opdeles i over knæet (iliac, femoral, popliteal) og under knæet (lægvener).

DVT er velkendt for at forårsage globalt signifikant morbiditet og dødelighed både på tidspunktet for diagnosen og efter diagnosen. Mellem 30 - 50 procent af patienter diagnosticeret med DVT vil fortsætte med at udvikle et posttrombotisk syndrom, som har en betydelig indvirkning på patienternes langsigtede livskvalitet. Patienter med DVT er også i risiko for at udvikle en dødelig lungeemboli (PE). Ifølge Charity Thrombosis dør Storbritannien (UK) hvert 37. sekund en person af en VT i udviklede lande.

Mellem 75-88 procent af formodede DVT-tilfælde er, når de er fuldt ud undersøgt, negative. Omkostningerne ved at diagnosticere DVT for over et årti siden var mellem 42-202 britiske pund (£), således at omkostningerne for NHS ved at undersøge alle patienter, der præsenterer DVT-symptomer, var ca. £175 millioner årligt som angivet i undersøgelsen 'Ikke- invasiv diagnose af dyb venetrombose fra ultralydsbilleddannelse med maskinlæring' af prof. Kainz fra Imperial College London.

Det er vigtigt at bemærke, at denne værdi ikke tager højde for eventuelle ekstra indirekte omkostninger såsom tabt tid fra arbejde, indlæggelse, behandlingsomkostninger og omkostninger til gentagne ultralydsskanninger. Det er svært at diagnosticere en DVT alene ved klinisk undersøgelse. Den nuværende standardmetode til at diagnosticere en proksimal DVT involverer en algoritme, der kombinerer prætestsandsynlighed (Wells Score), D-dimer (blod) test og kompressionsultralyd (typisk en trepunkts kompressionsundersøgelse).

Der er nye håndholdte ultralydsonder (US) tilgængelige, hvilket betyder, at kun den amerikanske sonde er påkrævet til diagnostiske formål i forbindelse med en mobiltelefon eller tablet. På nuværende tidspunkt, selvom de nye håndholdte prober er mindre og er bedre egnede til diagnose på stedet, kræver de stadig en erfaren radiolog eller sonograf til at udføre trepunkts kompressionsundersøgelsen.

Det betyder, at disse enheder kun kan bruges overalt, hvor specialister som radiografer eller radiologer er baseret. Men på grund af de seneste fremskridt inden for "machine learning" er der nu udviklet en software til disse 'app-baserede' sonder, der kan hjælpe ikke-specialister i sundhedssektoren med at udføre amerikansk kompressionseksamen med minimal træning og skelne mellem DVT og ikke DVT.

Den tidligere dataindsamlingsundersøgelse for denne enhed på Oxford University Hospital (OUH) blev primært brugt til at forbedre AutoDVT-softwaren, men den fremhævede også i en lille pilotundersøgelse, at denne teknologi havde en diagnostisk testnøjagtighed, der ligner standardkompression US. Studiet skitseret i denne protokol vil teste denne hypotese.