腹部大動脈瘤 (AAA) の血管内動脈瘤修復 (EVAR) 後の腹部単純 X 線監視にディープラーニングを適用 (DeepLearn)

腹部大動脈瘤 (AAA) は、大きな動脈である腹部大動脈が、その壁内の変性プロセスに続いて徐々に拡張する状態です。 これにより、弱くなった壁が破裂し、その後腹部に放血する可能性があります。 通常、このシナリオは致命的です。 動脈瘤の直径は、破裂のリスクと正の相関があります。 したがって、動脈瘤のサイズは、選択的に AAA を修復するかどうかを検討する際の主要な決定要因です。

血管内動脈瘤修復 (EVAR) は、大多数の患者における AAA の標準治療となっています。 これは、大動脈内腔内に合成「ステントグラフト」を配置することにより、循環から動脈瘤を排除することを目的とした低侵襲技術です。 半径方向の力と同様に金属バーブが、動脈瘤の上の非動脈瘤性大動脈ならびに動脈瘤の下の腸骨動脈においてステント移植片の位置を維持する。

レベル 1 のエビデンスでは、従来の開腹手術と比較して、EVAR による周術期生存率の改善が一貫して実証されています。 しかし、EVAR ステントグラフトの長期耐久性に関して懸念があり、5 人に 1 人の患者が手術後 5 年以内に動脈瘤への追加手術を必要としています。 これは、多くの場合、ステントグラフトの位置と完全性の失敗によるものです。 したがって、標準的な国際的な慣行は、EVAR 後の患者を生涯監視することです。 これは通常、コンピューター断層撮影 (CT) または二重超音波スキャンのいずれかと組み合わせた単純な X 線写真の形で行われ、すべて毎年行われます。

ステント移植片は腹部の単純な X 線写真で見ることができ、時間をかけて撮影した一連の画像を比較することで、移動、崩壊、歪みなどの無数のステント移植片の問題を診断することができます。 しかし、これらの変化は単純な X 線写真では微妙であり、最も訓練された人間の目でも見つけるのが難しい場合があります。 その結果、患者はより詳細なスキャンを受けますが、残念ながら腎毒性や放射線誘発性悪性腫瘍のリスクがあります。

私たちの研究の目的は、最新の深層学習コンピューター アルゴリズムを解釈に適用することにより、単純な X 線写真の診断の可能性を向上させることです。

深層学習の形をした人工知能 (AI) は、近年、数多くの困難な問題で大きな成功を収めています。 ディープ ラーニングの成功は、強力なグラフィックス プロセッシング ユニット (GPU) の進歩によって大きく支えられています。 GPU を使用すると、トレーニング アルゴリズムを桁違いに高速化し、実行時間を数週間から数日に短縮できます。

私たちの研究では、一連の匿名化された単純なレントゲン写真を解釈して、失敗したステントグラフトの特徴を特定する際に人工知能を使用する方法を探ります。

深層学習アルゴリズムは、過去 10 年間にイギリスの当施設で既に実施された EVAR 後の単純 X 線写真に適用されます。 次に、ステントグラフト関連の問題を識別する際のマシンの有効性を、以前に人間の解釈によって識別された既知の結果と比較します。

このプロジェクトは、深層学習技術の最近の進歩に依存します。 ディープラーニングは、数字、漢字、交通標識の認識など、コンピューターが人間よりも高い精度を生み出している分野でのアプリケーションの成功に沿って、EVAR 監視に優れたパフォーマンスをもたらすことが期待されています。