Syväoppiminen, jota sovellettiin vatsa-aortan aneurysman (AAA) endovaskulaarisen aneurysman korjauksen (EVAR) jälkeiseen pelkkään vatsan radiografiseen seurantaan (DeepLearn)

Vatsa-aortan aneurysma (AAA) on tila, jossa vatsa-aortta, suuri valtimo, laajenee asteittain sen seinämän sisällä tapahtuvan rappeuttavan prosessin seurauksena. Tämä voi johtaa heikentyneen seinämän repeämiseen, jonka jälkeen vatsaan pääsee verenvuotoon. Tämä skenaario on yleensä kohtalokas. Aneurysman halkaisija korreloi positiivisesti repeämisriskin kanssa. Aneurysman koko on siksi ensisijainen määräävä tekijä, kun harkitaan, korjataanko AAA:t valinnaisesti vai ei.

Suonensisäisen aneurysman korjaamisesta (EVAR) on tullut AAA:iden standardihoito suurimmalle osalle potilaista. Se on minimaalisesti invasiivinen tekniikka, jonka tarkoituksena on sulkea aneurysma pois verenkierrosta sijoittamalla synteettinen "stenttisiirre" aortan luumeniin. Metalliset väkäset sekä säteittäinen voima pitävät stenttisiirteen asennon ei-aneurysmaaalisessa aortassa aneurysman yläpuolella sekä suolivaltimoissa aneurysman alapuolella.

Tason 1 todisteet ovat johdonmukaisesti osoittaneet parantuneen perioperatiivisen eloonjäämisen EVAR:lla verrattuna perinteiseen avoimeen leikkaukseen. EVAR-stenttisiirteiden pitkän aikavälin kestävyys herättää kuitenkin huolta, sillä joka viides potilas tarvitsee lisäleikkausta aneurysmaan viiden vuoden aikana leikkauksen jälkeen. Tämä johtuu usein stenttigraftin sijainnin ja eheyden epäonnistumisesta. Siksi yleinen kansainvälinen käytäntö on pitää potilaat elinikäisenä EVAR-hoidon jälkeen. Tämä on yleensä tavallisia röntgenkuvia yhdistettynä joko tietokonetomografiaan (CT) tai kaksisuuntaiseen ultraäänikuvaukseen, jotka kaikki suoritetaan vuosittain.

Stenttisiirteet näkyvät tavallisissa vatsan röntgenkuvissa, ja vertaamalla ajan mittaan otettuja kuvasarjoja on mahdollista diagnosoida lukemattomia stenttisiirteiden ongelmia, mukaan lukien migraatio, hajoaminen ja vääristymät. Mutta nämä muutokset voivat olla hienovaraisia ​​tavallisissa röntgenkuvissa ja vaikea havaita, jopa koulutetuimmalle ihmissilmälle. Tämän seurauksena potilaille tehdään yksityiskohtaisempia skannauksia, joihin valitettavasti liittyy munuaistoksisuuden ja säteilyn aiheuttaman pahanlaatuisuuden riski.

Tutkimuksemme tavoitteena on parantaa tavallisten röntgenkuvien diagnostisia mahdollisuuksia soveltamalla tulkintaan nykyaikaisia ​​syväoppivia tietokonealgoritmeja.

Tekoäly (AI) syväoppimisen muodossa on osoittanut suurta menestystä viime vuosina lukuisissa haastavissa ongelmissa. Syväoppimisen menestys perustuu suurelta osin tehokkaiden grafiikkaprosessointiyksiköiden (GPU) edistymiseen. Grafiikkasuorittimet antavat meille mahdollisuuden nopeuttaa harjoitusalgoritmeja suuruusluokilla, jolloin ajoajat viikoista päiviin vähenevät.

Tutkimuksemme tutkii tekoälyn käyttöä anonymisoitujen tavallisten röntgenkuvien sarjojen tulkinnassa, jotta voidaan tunnistaa epäonnistuneen stenttisiirteen piirteet.

Syväoppimisalgoritmia sovelletaan EVAR:n jälkeisiin tavallisiin röntgenkuviin, jotka on jo tehty laitoksessamme Englannissa viimeisten 10 vuoden aikana. Tämän jälkeen vertaamme koneen tehokkuutta stenttisiirteeseen liittyvien ongelmien tunnistamisessa aiemmin ihmisen tulkinnalla havaittuihin tuloksiin.

Tämä projekti perustuu viimeaikaisiin edistyksiin syvän oppimisen tekniikoissa. Syväoppimisen odotetaan tuovan hyvää suorituskykyä EVAR-valvontaan sen menestyksekkään sovelluksen mukaisesti sellaisilla aloilla kuin numeroiden, kiinalaisten kirjainten ja liikennemerkkien tunnistaminen, joissa tietokoneet ovat tuottaneet paremman tarkkuuden kuin ihmiset.