Training eines maschinellen Lernmodells zur Erkennung von Venenerkrankungen mithilfe der PPG-Technologie

Diese klinische Forschung zielt darauf ab, die Wirksamkeit der Verwendung von Photoplethysmographiesignalen (PPG) in Kombination mit Algorithmen der künstlichen Intelligenz (KI) für die präzise Klassifizierung und Diagnose von Venenerkrankungen der unteren Extremität zu bewerten. Diese Studie lädt eine Gruppe von Teilnehmern ein, die derzeit an der Whiteley Clinic (im Folgenden als TWC bezeichnet) Untersuchungen auf Venenerkrankungen durchführen. Die Teilnehmer werden in Kontrollgruppen (gesunde Personen ohne signifikante Venenerkrankung) und chronische Venenerkrankungen (CVD) (bei denen eine nachgewiesene Venenerkrankung diagnostiziert wurde) eingeteilt. Potenzielle Teilnehmer, die Interesse an einer Teilnahme an der Studie bekunden, erhalten ein Patienteninformationsblatt und werden über die Pilotstudie informiert. Wenn sie zustimmen und die entsprechenden Einverständniserklärungen unterzeichnen, führen die Teilnehmer unter der Aufsicht eines beratenden Gefäßchirurgen eine Reihe standardisierter Übungen durch. Während der Übungen zeichnet ein am Knöchel angebrachtes Datenerfassungsgerät die PPG-Signale auf und erfasst die Änderungen des Blutvolumens aufgrund der reflektierten PPG-Signale von den roten Blutkörperchen während der Bewegung. Sobald die Daten gesammelt und aufgezeichnet sind, können die Daten der Kontrollgruppe und der CVD-Gruppe miteinander verglichen werden. Bei der Analyse der PPG-Signale der beiden Gruppen liegt das Ziel darin, mithilfe von KI-Algorithmen subtile Nuancen in den Mustern der PPG-Signale während der ausgeführten Bewegungen zu erkennen. Die KI-Algorithmen unterscheiden Muster oder Merkmale, die auf das Vorliegen oder Fehlen einer Venenerkrankung hinweisen. Diese Studie soll wertvolle Erkenntnisse zur Verbesserung der Diagnose von Venenerkrankungen mithilfe von PPG- und KI-Algorithmen liefern und so neue Ansätze für die Venenversorgung ebnen.