A hasi aorta aneurizma (AAA) endovaszkuláris aneurizma helyreállítása (EVAR) utáni sima hasi radiográfiás megfigyelésre alkalmazott mély tanulás (DeepLearn)

A hasi aorta aneurizma (AAA) olyan állapot, amelyben a hasi aorta, egy nagy artéria fokozatosan kitágul, másodlagosan a falán belüli degeneratív folyamat következtében. Ez a legyengült fal felszakadásához vezethet, majd a hasüregbe történő kivéreztetéshez. Ez a forgatókönyv általában végzetes. Az aneurizma átmérője pozitívan korrelál a szakadás kockázatával. Az aneurizma mérete ezért az elsődleges meghatározó tényező annak mérlegelésekor, hogy az AAA-k elektív módon javíthatók-e vagy sem.

Az endovaszkuláris aneurizma helyreállítása (EVAR) a betegek túlnyomó többségénél az AAA standard kezelésévé vált. Ez egy minimálisan invazív technika, amelynek célja az aneurizma kizárása a keringésből egy szintetikus "stent-graft" elhelyezésével az aorta lumenébe. A fémes bordák, valamint a radiális erő fenntartja a stent-graft helyzetét az aneurizma feletti nem aneurizmális aortában, valamint az aneurizma alatti csípőartériákban.

Az 1. szintű bizonyítékok következetesen jobb perioperatív túlélést mutatnak EVAR-ral a hagyományos nyitott műtétekhez képest. Aggályok merülnek fel azonban az EVAR stent-graftok hosszú távú tartósságával kapcsolatban, mivel a műtétet követő 5 évben minden 5. betegnél további műtétre van szükség az aneurizma miatt. Ennek oka gyakran a stent-graft helyzetének és integritásának hibája. Ezért a bevett nemzetközi gyakorlat az, hogy a betegeket élethosszig tartó felügyelet alatt kell tartani az EVAR után. Ez általában sima röntgenfelvételek formájában történik számítógépes tomográfiával (CT) vagy duplex ultrahanggal kombinálva, mindegyiket évente végzik el.

A stent-graftok láthatók a hasüreg sima röntgenfelvételein, és az idők során készített képsorozatok összehasonlításával számtalan stentgraft-problémát lehet diagnosztizálni, beleértve a migrációt, a szétesést és a torzulást. De ezek a változások finomak lehetnek az egyszerű röntgenfelvételeken, és még a leggyakorlottabb emberi szem számára is nehezen észlelhetők. Ennek eredményeként a betegek részletesebb vizsgálaton esnek át, amelyek sajnos a nefrotoxicitás és a sugárzás által kiváltott rosszindulatú daganatok kockázatát hordozzák magukban.

Kutatásunk célja a sima röntgenfelvételek diagnosztikai potenciáljának javítása modern mélytanuló számítógépes algoritmusok értelmezésével.

A mesterséges intelligencia (AI) a mély tanulás formájában az elmúlt években számos kihívást jelentő probléma megoldásában nagy sikert ért el. A mély tanulás sikerét nagyrészt a nagy teljesítményű grafikus feldolgozó egységek (GPU) fejlődése támasztja alá. A GPU-k segítségével nagyságrendekkel felgyorsíthatjuk a betanítási algoritmusokat, így a hetek futási idejét napokra csökkentjük.

Tanulmányunk feltárja a mesterséges intelligencia felhasználását anonimizált sima röntgenfelvételek sorozatának értelmezésében, hogy azonosítsa a meghibásodott stent-graft jellemzőit.

Egy mélytanulási algoritmust alkalmazunk az EVAR utáni sima röntgenfelvételeken, amelyeket angliai intézményünkben már végeztek az elmúlt 10 évben. Ezután összehasonlítjuk a gép hatékonyságát a stentgrafttal kapcsolatos problémák azonosításában a korábban emberi értelmezés által azonosított ismert eredményekkel.

Ez a projekt a mély tanulási technikák legújabb fejlesztéseire fog támaszkodni. A mély tanulás várhatóan jó teljesítményt fog hozni az EVAR-felügyelet számára, összhangban annak sikeres alkalmazásával olyan területeken, mint a számjegyek, kínai karakterek és közlekedési táblák felismerése, ahol a számítógépek jobb pontosságot produkáltak, mint az emberek.