Anatomische begeleiding voor regionale anesthesie

Het gebruik van regionale anesthesie (RA) en perifere zenuwblokkade (PNB) neemt toe, hoewel algehele anesthesie (GA) nog steeds vaker voorkomt in de algemene chirurgische praktijk. Ongeveer 65% van alle procedures die vatbaar zijn voor een regionale techniek gebruiken momenteel GA, en de huidige richtlijn van het Britse National Institute of Health and Clinical Excellence (NICE) is dat alle regionale anesthesie moet worden uitgevoerd met behulp van echografie. Er wordt echter een verdere toename van regionale anesthesie verwacht, aangezien er aanzienlijke voordelen voor de patiënt en de economie zijn. Met name de kosten per procedure van regionale anesthesie zijn aanzienlijk lager dan die van algehele anesthesie.

Hoewel groeiende, echogeleide regionale anesthesie moeilijk te leren en moeilijk uit te voeren is. Er zijn aanzienlijke problemen met de hand-oogcoördinatie, aangezien de clinicus tegelijkertijd zowel de naald als de ultrasone sonde moet manipuleren om de naald naar het doel te leiden. Bovendien kunnen zowel de naald als de doelanatomie erg moeilijk te zien zijn op het ultrasone beeld.

De onderzoekers zijn van mening dat een computerondersteund systeem dat de belangrijkste anatomische kenmerken op het ultrasone beeld benadrukt, deze procedure veiliger zou maken voor de patiënten en eenvoudiger voor de clinicus.

Momenteel maakt de toonaangevende methode voor automatische beeldsegmentatie gebruik van deep learning, waarvoor vele duizenden trainingsbeelden nodig zijn. Er zijn verschillende successen geboekt bij het toepassen van deze technieken op medische beelden, waaronder echografie. Het blijkt echter dat er relatief weinig aandacht is voor automatische segmentatie van echobeelden voor regionale anesthesie.

De beste verwijzing naar ons voorgestelde onderzoek beschrijft een methode om de medianuszenuw te lokaliseren in ultrasone beelden van de onderarm. Er is ook een Kaggle-uitdaging geweest om de zenuwen van de plexus brachialis in de nek te segmenteren. Er kunnen ook meerdere anatomische gebieden tegelijkertijd worden gesegmenteerd. Geen van deze onderzoeken is echter rechtstreeks van toepassing op klinisch gebruik, aangezien ze alleen betrekking hebben op beelden die zijn vastgelegd bij gezonde vrijwilligers. Evenmin overwegen ze hoe deze technieken kunnen worden gebruikt om anesthesisten te helpen bij het uitvoeren van regionale anesthesie in de kliniek.

De grondgedachte voor deze studie is om te bepalen of real-time automatische markering van belangrijke anatomische kenmerken clinici kan helpen bij het uitvoeren van echogeleide regionale anesthesie.

Het door Medaphor voorgestelde systeem voor automatische markering maakt gebruik van deep learning en vereist vele duizenden afbeeldingen om van te leren. Machine learning-algoritmen zoals deep-learning zijn echter sterk afhankelijk van de afbeeldingen die worden gebruikt om ze te construeren. Er moet met name voor worden gezorgd dat deze algoritmen worden getraind met afbeeldingen die representatief zijn voor de afbeeldingen die het algoritme tegenkomt wanneer het wordt gebruikt.

Een belangrijk onderdeel van regionale anesthesie is het injecteren van verdoving in de ruimte nabij de betreffende zenuw. Eenmaal ingebracht, zijn zowel de naald als de verdoving zichtbaar op het ultrasone beeld. Modellen die getraind zijn met behulp van niet-invasieve beelden van gezonde vrijwilligers zullen niet voldoende zijn. Hoewel niet-invasieve beelden van vrijwilligers de belangrijkste anatomische kenmerken kunnen bevatten, laten ze de naald en de verdoving niet zien.

De eenvoudigste optie om representatieve beelden vast te leggen, is door patiënten te selecteren die regionale anesthesie zullen ondergaan en de beeldgegevens rechtstreeks van het ultrasone apparaat op te nemen terwijl de procedure wordt uitgevoerd. Deze registratiemethode is transparant voor zowel de arts als de patiënt en heeft op geen enkele manier invloed op de behandeling van de patiënt.

Bovendien zijn de ultrasone apparaten die worden gebruikt voor regionale anesthesie niet aangesloten op PACS en wordt er geen patiëntidentificeerbare informatie ingevoerd in het ultrasone apparaat. Omdat alleen het ultrasone beeld wordt opgenomen, zijn de video's volledig anoniem en niet te herleiden tot een persoon.

Deze studie maakt deel uit van een groter onderzoeksprogramma en zal een systeem bouwen en valideren dat in staat is om de belangrijkste anatomische kenmerken te benadrukken. Zodra het systeem voltooid is, zal er een verdere studie worden uitgevoerd om het in de kliniek te testen om de potentiële voordelen voor patiënten en clinici te bepalen.