Tutkimus, jossa verrataan kahta kuvantamismenetelmää toisen raskauskolmanneksen seulontautrasonografiassa (Echo-IA) (Echo-IA)

Toisen trimesterin morfologiaultraäänitutkimus on keskeinen tutkimus synnytysseurannassa, jonka tavoitteena on arvioida sikiön kasvua, tunnistaa mahdolliset rakenteelliset poikkeavuudet sekä tarkastaa anekseja kuten istukkaa, napanuoraa, kohdunkaulaa,...

Useat tutkimukset viittaavat siihen, että merkittävä osa sikiön epämuodostumista voidaan havaita tässä aikakehyksessä, jos suoritetaan täydellinen morfologinen analyysi. Kuitenkin seulonnan luotettavuus riippuu laitteiston laadusta, operaattorin asiantuntemustasosta sekä protokollojen noudattamisesta, jotka määrittelevät tarvittavat skannaukset.

Ranskassa ensimmäisten Kansallisen teknisen komitean esitysten jälkeen (2005) esinataaliseen ultraääniseulontaan on kiinnitetty erityistä huomiota käytäntöjen standardoimiseen. Viime aikoina Ranskan kansallinen konferenssi synnytys- ja sikiöultraäänitutkimuksesta (CNEOF) on julkaissut uusia suosituksia (2022, tarkistettu 2023), mukaan lukien viitesiluetit toisen trimesterin tutkimukselle, jotka esittävät 26 näkymää (22 vaadittua ja 4 lisänäkymää). Kuitenkaan CNEOF ei muodollista laatuperusteita näiden kuvien yhdenmukaisuuden arvioimiseksi; tämän tehtävän on ottanut haltuunsa Ranskan sikiöultraäänitutkimuksen yliopisto (CFEF), joka on luonut pisteytys- ja validointiruudukon jokaiselle sikiön poikkileikkaukselle (katso CFEF 2022 -asiakirja).

Rinnakkain tekoäly (AI) vakiinnuttaa vähitellen asemaansa päätöksenteon tukena ja automatisointityökaluna lääketieteellisessä kuvantamisessa, erityisesti ultraäänitutkimuksessa. Syväoppimisalgoritmit kykenevät tunnistamaan anatomisia rakenteita, sijoittamaan mittausmerkkejä ja valitsemaan optimaalisimman poikkileikkauksen, vähentäen operaattorien välisiä vaihteluita ja sujuvoittaen työnkulkua. Synnytysultraäänitutkimuksen alalla jotkut yritykset ovat lanseeraneet järjestelmiä, jotka kykenevät havaitsemaan tai annotoimaan sikiön rakenteita reaaliajassa, mahdollisesti parantaen diagnoosiluotettavuutta ja toistettavuutta. Samsung on kehittänyt Live View Assist -nimisen järjestelmän, joka on saatavilla sen uusimman sukupolven ultraääniskannereissa ja joka käyttää tekoälyä tunnistamaan ja jäädyttämään vaaditut sikiön poikkileikkaukset automaattisesti reaaliajassa.

Työkalu tarjoaa myös automatisoitua validointia: jos havaittu poikkileikkaus vastaa odotettuja standardeja, se merkitään suoraan valintalistalle. Tämä innovaatio lupaa aikasäästöjä, pienentynyttä riskiä jättää huomioimatta tietyt monimutkaiset poikkileikkaukset sekä parantunutta standardointia.

Kuitenkin saatavilla on vähän tietoa, erityisesti Ranskassa, tämän työkalun todellisesta suorituskyvystä rutiininomaisessa seulontakontekstissa. Ennen kuin Live View Assistin ja tekoälyn integrointia päivittäiseen käytäntöön harkitaan, on siksi välttämätöntä arvioida sen hankkimien kuvien laatua, tekoälyn avustaman täydellisen tutkimuksen toteutettavuutta sekä mahdollista vaikutusta tutkimusaikaan ja ultraäänitutkijoiden työmäärän parantamiseen.

Tämän tutkimuksen tavoitteena on arvioida, ovatko Live View Assistin automaattisesti validoimien 20 pakollisen kuvan laatu heikompaa kuin ultraääniteknikon manuaalisesti hankkimien ja validoimien 20 pakollisen kuvan laatu CFEF:n laatuperusteiden mukaisesti, jotka perustuvat CNEOF:n suosittelemiin siluetteihin.