Kunstig intelligens til ultralydsstyrede perifere nerve- og planblokke

Sonoanotomy viden er afgørende for ultralyd-guidede regional anæstesi (UGRA) procedurer. Vi havde til formål at vurdere nøjagtigheden af ​​kunstig intelligens (AI) software, der bruges til at hjælpe sonoanatomi fortolkning ved at fremhæve anatomiske strukturer i perifere nerve- og planblokke i genkendelse af anatomiske strukturer.

Alle scanninger blev udført med en ultralydsenhed (GE Logiq, Wisconsin, USA) med AI-software (Nerveblox, Smart Alfa Teknoloji San. Ve Tic. A.Ş., Ankara, Tyrkiet). Ved at bruge denne opsætning, når en bruger udfører en ultralydsscanning, giver AI-softwaren brugeren feedback i realtid om identifikation af anatomiske strukturer/vartegn.

AI-softwaren er designet til at give tre vigtige feedbacksignaler til brugeren i realtid;

• navneskilte for hver anatomisk struktur
• farveoverlejringer for hver anatomisk struktur
• scannings succesrate for hele billedet

Farveoverlejringer og navnemærker er gennemsigtighedsjusterede highlights og prikker, der giver brugeren mere generel rumlig feedback på det anatomiske layout. Planens fuldstændighedsgrad visualiseres med en "scanningssucces"-måler, som guider brugeren på en måde, der viser, hvor tæt det aktuelle billede er på den ideelle visualisering af foruddefinerede vartegn.

De perifere nerve- og planblokregioner (deres anatomiske vartegn), som AI-softwaren kan identificere er;

• Adductor Canal Block Region (lårarterie, Sartorius-muskel, Saphenous nerve og Vastus medialis-muskel)
• Axillary Brachial Plexus Block Region (Axillær arterie, Biceps brachii muskel, Coracobrachialis muskel, conjoint sene, muskulokutan nerve og Triceps brachii muskel)
• ESP (Erector Spinae Plane) blokregion (Erector spinae-muskel, Pleura, Rhomboid-muskel, Trapezius-muskel og tværgående proces)
• Femoral blokregion (lårbensarterie, lårbensvene, lårbensnerve og Iliopsoas-muskel)
• PECS (Pectoral) Block Region (Pleura, Pectoralis minor muskel, Pectoralis major muskel, ribben og Serratus anterior muskel
• Popliteal blokregion (almindelig peroneal nerve, popliteal arterie, popliteal vene og tibial nerve)
• Rectus Sheath Block Region (peritoneal hule, Rectus abdominis muskel, Anterior rectus skede og posterior rectus skede)
• Overfladisk Cervical Plexus Block Region (Anterior scalene muskel, carotis arterie, Cervical plexus, Jugular vene og Sternocleidomastoid muskel)

Til undersøgelsen vil tre anæstesiologi-elever, som er uddannet i regional anæstesi og kvalificerede til at udføre UGRA-teknikker, scanne hver frivillig med vejledning af AI-software. I alt skal tre beboere lave scanninger af 8 bloktyper for alle 40 frivillige. Alle scanningsbilleder vil blive gemt. Ved hjælp af denne procedure vil 960 ultralydsbilleder blive erhvervet i både rå og AI-behandlet form til ekspertvurdering.

En anæstesilæge med ekspertviden om ultralydsguidede regionale anæstesiteknikker og en radiolog med stor erfaring i ultralyd vil gennemgå og score nøjagtigheden af ​​AI-softwaren på de erhvervede ultralydsbilleder. For at opnå et mere præcist resultat vil vurderingen af ​​AI-softwaren blive udført separat for hver anatomisk struktur i de udvalgte blokregioner.

Eksperterne bliver bedt om at evaluere og vurdere (0: forkert placeret, 1: meget dårlig, 2: dårlig, 3: god, 4: meget god, 5: fremragende) navnemærkerne og farveoverlejringerne placeret af AI-softwaren. Hvis et navnemærke (repræsenteret med en prik og forkortelse af strukturnavnet) for en anatomisk struktur er placeret på en måde, så det ikke er inden for de visuelle grænser for den anatomiske struktur, så vil scoren være "0: misplaceret." Hvis et navnemærke for en anatomisk struktur er korrekt placeret inden for de visuelle grænser og i stand til at repræsentere den anatomiske struktur, så skal scoren være mellem "1: meget dårlig" og "5: fremragende," i henhold til konsistensen af ​​den omgivende farve. overlejring og den underliggende anatomiske struktur.

Data vil blive analyseret ved at bruge SPSS 26-software på et 95% konfidensniveau. For målingerne vil gennemsnit, standardafvigelse (SD), minimum, maksimum og median blive givet. Fordi "score"-variablen er en ordinal måling mellem 0 og 5 og ikke giver en normalfordeling i regionerne, vil ikke-parametriske metoder blive brugt i analysen.