Uddannelse af en maskinlæringsmodel til at opdage venøse sygdomme ved hjælp af PPG-teknologi

Denne kliniske forskning har til formål at evaluere effektiviteten af ​​at bruge Photoplethysmography (PPG) signaler kombineret med Artificial Intelligence (AI) algoritmer til den præcise klassificering og diagnose af venøse sygdomme i underekstremiteterne. Denne undersøgelse inviterer en gruppe deltagere, som i øjeblikket gennemgår undersøgelser for venøs sygdom på The Whiteley Clinic (herefter benævnt TWC). Deltagerne vil blive klassificeret i kontrolgrupper (raske personer uden signifikant venøs sygdom) og kronisk venøs sygdom (CVD) (diagnosticeret med påvist venøs sygdom). Potentielle deltagere, som udtrykker interesse for at blive inkluderet i undersøgelsen, vil få udleveret et patientinformationsark og vil gennemgå en orientering om pilotundersøgelsen. Hvis de giver samtykke og underskriver de relevante samtykkeerklæringer, vil deltagerne udføre en række standardiserede øvelser under supervision af en rådgivende karkirurg. Igennem øvelserne registrerer en dataindsamlingsenhed, der er knyttet til anklen, PPG-signalerne, og fanger ændringerne i blodvolumen på grund af de reflekterede PPG-signaler fra de røde blodlegemer under bevægelsen. Således, når dataene er indsamlet og registreret, giver dette mulighed for analyse af data fra kontrolgruppen og CVD-gruppen mod hinanden. Under analysen af ​​de to gruppers PPG-signaler ligger målet i evnen til at detektere subtile nuancer i mønstrene af PPG-signalerne under de udførte bevægelser ved hjælp af AI-algoritmer. AI-algoritmerne vil skelne mellem mønstre eller funktioner, der indikerer tilstedeværelse eller fravær af venøs sygdom. Denne undersøgelse søger at bidrage med værdifuld indsigt i at forbedre diagnosticeringen af ​​venøs sygdom ved hjælp af PPG- og AI-algoritmer, hvilket baner nye tilgange til venøs sundhedspleje.