Benforbedret ultralyd (BEUS) Data Library Development Project Project

En almindelig behandling af lændesmerter involverer fluoroskopi-styret rygmarvsfacetledinjektioner og/eller medial gren nerveblokke. Desværre kræver fluoroskopi dyre udstyr og personale og udsætter patienter og sundhedsudbydere for ioniserende stråling. Ultralyd tilbyder et sikrere alternativ til lavere omkostninger, men de traditionelle 2-dimensionelle (2D) ultralydsystemer er begrænset på grund af dårlig billedkvalitet, især hos patienter med højere kropsmasseindeks (BMI).

Som et alternativ bruger en ny knogleforbedret ultralyd (BEUS) -teknologi kunstig intelligens (AI) til at skabe realtids 3-dimensionelle (3D) billeder af rygsøjlen til at guide nålplacering til disse injektioner. AI -softwaren trænes af overlaying Computertomography (CT) og ultralydbilleder fra et patientdatasæt til at genkende anatomiske vartegn. Beus sigter mod i sidste ende at erstatte fluoroskopi for rygmarvsinjektioner, reducere eksponering for stråling, sænke sundhedsomkostninger og forbedre tilgængeligheden, især i landdistrikter, hvor CT og fluoroskopi ikke er tilgængelig.

En nøglebegrænsning er imidlertid, at det nuværende AI -system primært trænes baseret på patienter (for det meste pædiatrisk), der gennemgår perioperativ vurdering af skoliose. For at tackle dette sigter den aktuelle undersøgelse at udvikle et nyt, mere klinisk relevant trænings -AI -datasæt ved at indsamle rygmarvs -ultralyd fra op til 100 voksne deltagere (de fleste/som alle følges på den lokale kroniske smerteklinik til lændesmerter) med eksisterende spinal CT- eller magnetisk resonansafbildning (MRI). Dette datasæt vil blive brugt til at omskolere den aktuelle AI -model for at forbedre nøjagtigheden af ​​3D -rygmarvsrekonstruktioner og derved forbedre den kliniske relevans af BEUS -systemet.