Kunstig intelligenss rolle i behandlingen af ​​abdominale aortaaneurismer

Abdominal aortaaneurisme er en livstruende sygdom, hvoraf en formidabel komplikation er en aneurismeruptur (Editor's Choice - European Society for Vascular Surgery). Den vigtigste metode til behandling af aneurismer er kirurgisk rekonstruktion, herunder åben eller endovaskulær intervention ((ESVS) 2019 Clinical Practice Guidelines on the Management of Abdominal Aorto-iliac Artery Aneurysms). Anatomiske træk ved aneurismer og tilstedeværelsen af ​​intraluminal trombomasse er blandt kriterierne ved beslutning om taktik for kirurgisk behandling. Disse faktorer medfører yderligere tekniske vanskeligheder og fører til udvikling af intraoperative komplikationer, herunder iskæmiske. Iskæmi i underekstremiteterne er den mest almindelige komplikation og kan være forårsaget af trombose, emboli eller dissektion af aortavæggen (forekommer hos 7 % af patienterne) (komplikationer forbundet med reparation af aortaaneurisme).

For at reducere hyppigheden af ​​emboliske komplikationer er det således vigtigt for kirurgen at bestemme en "sikker" zone til påføring af en klemme på aorta og hovedkarrene. Således kan kunstig intelligens (AI) bruges til at fortolke og analysere billeder af aneurismer, der tillader automatiske kvantitative målinger og bestemmelse af de nøjagtige karakteristika af morfologi og hydrodynamik, samt tilstedeværelsen af ​​intraluminale blodpropper og forkalkninger. Analyse baseret på kunstig intelligens kan føre til udvikling af beregningsprogrammer til at forudsige udviklingen af ​​aneurismer og risikoen for deres ruptur samt postoperative udfald. Kunstig intelligens kan også bruges til at bestemme de "sikre" områder af aorta-klemning. (Kunstig intelligens i abdominal aortaaneurisme).

Adam og medforfattere trænede et neuralt netværk til at detektere og estimere den maksimale ydre diameter af aneurismer ved hjælp af en database med 489 CT-angiografier af abdominale aortaaneurismer. AI har opnået et niveau af ydeevne og nøjagtighed, der er egnet til klinisk praksis, og med brugen af ​​flere CT-billeder forventes yderligere forbedring af nøjagtigheden (Pre-surgical and Post-surgical Aortic Aneurysm Maximum Diameter Measurement: Fuld Automation by Artificial Intelligence). I en undersøgelse af Fujiwara et al. 145 ikke-kontrast-CT-scanninger med mistanke om aneurisme blev indsamlet retrospektivt. I starten blev AI trænet ved manuelt at segmentere CT-billeder. Billedbehandling blev brugt til at bestemme det abdominale aortaaneurismeområde og til automatisk at måle størrelsen. Denne metode har vist, at AI er et nyttigt værktøj til fuldautomatisk detektion og måling af aneurismediameter. (Fuldautomatisk detektion og måling af abdominal aortaaneurisme ved hjælp af kunstig intelligens). Florent Lalys og hans medforfatter. en automatisk hurtig og universel algoritme til bestemmelse af en intraluminal trombe blev udviklet. Metoden blev testet på præ- og postoperative CT-scanninger af abdominal aorta og iliaca arterie hos 145 patienter og består i at bestemme den centrale linje og segmentering af aorta lumen, et optimeret stadium af forbehandling og anvendelse af en 3D-model (Generisk trombe). segmentering fra præ- og postoperativ CTA).

Under hensyntagen til de referencer, der allerede er tilgængelige i nogle undersøgelser af brugen af ​​kunstig intelligens til behandling af hjerte-kar-sygdomme, ses brugen heraf som en lovende metode til at træffe beslutninger i forbindelse med bestemmelse af "sikre" spændezoner ved kirurgisk behandling af abdominale aortaaneurismer, hvilket vil reducere hyppigheden af ​​postoperative komplikationer.