Arvioi TT-päiden priorisoinnin kliininen tehokkuus (ACCEPT)

Opintojen tausta:

Ensiapuosastot (ED) kaikkialla Yhdistyneessä kuningaskunnassa ovat ylikuormitettuja kasvavien potilaiden kysynnän, radiologian henkilöstöpulan ja potilaiden pitenevien odotusaikojen vuoksi. Päävammat ovat yleinen syy hätäapuun Isossa-Britanniassa, ja tietokonetomografia (CT) on yleensä ensimmäinen kuvantamistesti päävammojen ja aivohalvausten diagnosoimiseksi.

National Institute of Health and Care Excellence (NICE) -raportti vahvistaa, että Englannissa ja Walesissa päivystysosastoilla käy vuosittain 1,4 miljoonaa ihmistä päävamman vuoksi. Vuosittain vastaanotetusta 200 000 potilaasta viidesosa kärsii traumaattisesta aivovauriosta, johon liittyy kallonmurtuma tai todisteita aivovauriosta. Päävamma on alle 40-vuotiaiden yleisin kuolin- ja työkyvyttömyyden syy. Varhainen havaitseminen ja nopea hoito on elintärkeää ihmishenkien pelastamiseksi ja vammautumisriskin minimoimiseksi NICE:n päävammojen ohjeiden mukaisesti: arviointi ja varhainen hoito. Pään CT-skannaukset ovat kultainen standardi näiden diagnosoinnissa, ja on tärkeää, että radiologit suorittavat ja raportoivat ne NICE-ohjeiden mukaisesti.

Tekoälyn mahdolliset sovellukset radiologiassa menevät paljon pidemmälle kuin kuva-analyysi diagnostisten ja prognostisten mahdollisuuksien kannalta. On yhä selvempää, että tekoälyalgoritmeilla on potentiaalia parantaa tuottavuutta, toiminnan tehokkuutta ja tarkkuutta diagnostisessa radiologiassa. Tekoälytyökaluja kehitetään auttamaan diagnoosia ja parantamaan prosesseja radiologian työnkulun useissa kohdissa, mukaan lukien:

(a) priorisoidun skannauksen protokolla, (b) kliiniset päätöksen tukijärjestelmät kriittisten löydösten havaitsemiseksi, (c) työlistan prioriteettien säätö tekoälytulosten avulla ja (d) läpimenoajan lyhentäminen työlistan priorisoinnin ja puoliautomaattisten rakenteiden raportoinnin avulla. Tekoälytyökalujen käyttöönotto riippuu konkreettisen vaikutuksen osoittamisesta potilaiden hoitoon ja radiologin työnkulun parantamiseen.

Siksi tässä tutkimuksessa pyrimme arvioimaan, vaikuttaisiko kuvantamisen elinkaarta (b), (c) ja (d) täydentävän tekoälytyökalun toteutus reaalimaailmassa läpimenoaikoihin.

qER-lääkintälaite:

qER, CE-luokan II hyväksytty lääketieteellinen ohjelmistolaite, havaitsee ja paikallistaa kuuden kohdepoikkeavuuden - kallonsisäisen verenvuodon, kallonmurtuman, keskiviivan siirtymän, massavaikutuksen, atrofian ja infarkteihin viittaavat hypodensiteetit ei-kontrastipään TT-kuvauksissa. Prioriteetin tila määritetään, jos ohjelmisto havaitsee jonkin kohteen poikkeavuudesta (kallonsisäinen verenvuoto, kallonmurtuma, keskiviivan siirtymä tai massavaikutus), ja käyttäjä voi tarkastella yksittäistä yhteenvetoa, jossa luetellaan kaikki käyttäjän löytämät kohdepoikkeavuudet. qER CT-skannauksessa ja sen jälkeen kaikki skannauksen siivut yllä olevien poikkeavuuksien lokalisoinnilla. Vaihtoehtoisesti, jos mitään kohteen poikkeavuuksista ei havaita, tulos osoittaa, että ohjelmisto on analysoinut kuvan eikä tunnistanut kriittisiä löydöksiä. qER-raportit on tarkoitettu tukemaan sertifioituja radiologeja ja/tai laillistettuja lääkäreitä kliinisen päätöksenteossa. Se on tukityökalu, ja alkuperäisten skannausten kanssa käytettynä se voi auttaa lääkäriä parantamaan tehokkuutta, tarkkuutta ja läpimenoaikaa pään TT:iden lukemisessa. Sitä ei saa käyttää lääketieteellisen neuvonnan antamiseen, hoitosuunnitelman määrittämiseen tai toimintatavan suosittelemiseen potilaalle.

Opintojen suunnittelu:

Satunnaistettu monikeskustutkimus tehdään 4 NHS:n sairaalassa 13 kuukauden aikana. Sairaalat tunnistetaan ja käynnistetään qER-ratkaisuun 30 päivän käyttöönottojaksolla. Järjestys, jossa sivustot saavat qER-intervention, määräytyy tietokonepohjaisen satunnaistuksen avulla. Porrastettu kiilarakenne mahdollistaa toimenpiteen toteuttamisen organisaatiotasolla ja tulosmittausten arvioinnin potilastasolla. Toteutuksen jäsentäminen vaiheittaisella aktivaatiolla satunnaisessa järjestyksessä tarjoaa tärkeitä metodologisia etuja tutkimuksen sekä laadullisille että määrällisille elementeille. Suunnittelu mahdollistaa adoption harhan hallinnan ja säätämisen aikaperusteisiin muutoksiin taustapotilaiden ominaisuuksissa potilastasolla.

Kaikki tämän reitin kautta kulkevat potilaat saisivat tekoälylukeman, eikä tekoälylöydösten seurauksena suoriteta ylimääräisiä tai erilaisia ​​testejä. Käsittelyaika on aika, joka kuluu skannauksen tekemisestä siihen hetkeen, jolloin lopullinen skannausraportti tulee saataville, ja se mitataan minuuteissa. Kun qER-apua käytetään pään TT-kuvausten raportointiin ja jos qER:n ja radiologin tulosten välillä on ero, jälkimmäinen katsotaan lopulliseksi potilaan jatkohoidon kannalta.

Ensisijainen tavoite:

Ensisijaisena tavoitteena on arvioida, lyhentävätkö qER-pohjainen raportointi ja triage merkittävästi päivystysosastolla olevien potilaiden kriittisen NCCT-pääraportoinnin läpimenoaikaa (TAT).

Toissijaiset tavoitteet:

• Arvioida qER:n hyödyllisyyttä päivystyspoliklinikalla potilailla, jotka tarvitsevat NCCT-pään ja radiologian raportoinnin työnkulkua.
• Arvioida qER:n turvallisuutta sellaisten potilaiden tunnistamisessa, joilla on kriittisiä löydöksiä NCCT-päistä.
• Arvioida qER:n teknistä suorituskykyä.
• Suorittaa qER:n Heath Economic, kustannushyötyanalyysi.