Guida all'anatomia per l'anestesia regionale

L'uso dell'anestesia regionale (RA) e del blocco dei nervi periferici (PNB) è in crescita, sebbene l'anestesia generale (GA) sia ancora più comune nella pratica chirurgica generale. Circa il 65% di tutte le procedure suscettibili di una tecnica regionale attualmente utilizza GA e l'attuale guida del National Institute of Health and Clinical Excellence (NICE) del Regno Unito è che tutta l'anestesia regionale dovrebbe essere eseguita utilizzando la guida ecografica. Tuttavia, sono previsti ulteriori aumenti dell'anestesia regionale, in quanto vi sono significativi vantaggi economici e per il paziente. In particolare, i costi per procedura dell'anestesia regionale sono notevolmente inferiori a quelli dell'anestesia generale.

Sebbene in crescita, l'anestesia regionale ecoguidata è difficile da imparare e difficile da eseguire. Esistono notevoli problemi di coordinazione occhio-mano poiché il medico deve manipolare contemporaneamente sia l'ago che la sonda ecografica per guidare l'ago verso il bersaglio. Inoltre, sia l'ago che l'anatomia del bersaglio possono essere molto difficili da vedere sull'immagine ecografica.

I ricercatori ritengono che un sistema assistito da computer che evidenzi le caratteristiche anatomiche chiave sull'immagine ecografica renderebbe questa procedura più sicura per i pazienti e più semplice per il medico.

Attualmente, il metodo principale per la segmentazione automatica delle immagini utilizza il deep learning, per il quale sono necessarie molte migliaia di immagini di addestramento. Ci sono stati diversi successi nell'applicazione di queste tecniche alle immagini mediche, inclusi gli ultrasuoni. Tuttavia, sembra che sia stata prestata relativamente poca attenzione alla segmentazione automatica delle immagini ecografiche per l'anestesia regionale.

Il riferimento più vicino alla nostra ricerca proposta descrive un metodo per localizzare il nervo mediano nelle immagini ecografiche dell'avambraccio. C'è stata anche una sfida di Kaggle per segmentare i nervi del plesso brachiale nel collo. È inoltre possibile segmentare più regioni anatomiche contemporaneamente. Tuttavia, nessuno di questi studi è direttamente applicabile all'uso clinico in quanto si occupa solo di immagini acquisite da volontari sani. Né considerano come queste tecniche potrebbero essere utilizzate per aiutare gli anestesisti che eseguono l'anestesia regionale nella clinica.

La logica di questo studio è determinare se l'evidenziazione automatica in tempo reale delle caratteristiche anatomiche chiave può aiutare i medici a eseguire l'anestesia regionale ecoguidata.

Il sistema proposto da Medaphor per l'evidenziazione automatica utilizza il deep learning e richiede molte migliaia di immagini da cui il sistema può apprendere. Tuttavia, gli algoritmi di apprendimento automatico come il deep learning dipendono fortemente dalle immagini utilizzate per costruirli. In particolare, è necessario prestare attenzione per garantire che questi algoritmi vengano addestrati utilizzando immagini rappresentative di quelle che l'algoritmo incontrerà durante l'uso.

Una parte fondamentale dell'anestesia regionale comporta l'iniezione di anestetico nello spazio vicino al nervo interessato. Una volta introdotti, sia l'ago che l'anestetico possono essere visti sull'immagine ecografica. I modelli addestrati utilizzando immagini non invasive registrate da volontari sani non saranno sufficienti. Sebbene le immagini non invasive dei volontari possano contenere le caratteristiche anatomiche chiave, non mostreranno l'ago e l'anestetico.

L'opzione più semplice per acquisire immagini rappresentative è selezionare i pazienti che saranno sottoposti ad anestesia regionale e registrare i dati dell'immagine direttamente dall'ecografo durante l'esecuzione della procedura. Questo metodo di registrazione è trasparente sia per il medico che per il paziente e non influisce in alcun modo sul trattamento del paziente.

Inoltre, le macchine a ultrasuoni utilizzate per l'anestesia regionale non sono collegate al PACS e nessuna informazione di identificazione del paziente viene inserita nella macchina a ultrasuoni. Poiché viene registrata solo l'immagine dell'ecografia, i video sono completamente anonimi e non possono essere ricondotti a nessun individuo.

Questo studio fa parte di un programma di ricerca più ampio e costruirà e convaliderà un sistema in grado di evidenziare le caratteristiche anatomiche chiave. Una volta completato il sistema, verrà condotto un ulteriore studio per testarlo in clinica per determinare i potenziali benefici per pazienti e medici.