Ontwikkeling en validatie van op CT gebaseerde diagnostische modellen met behulp van kunstmatige intelligentie voor de detectie van dunnedarmobstructie (SMARTLOOP2)

Dunnedarmobstructie (SBO) is een veel voorkomende niet-traumatische chirurgische noodsituatie. Alle richtlijnen bevelen computertomografie (CT) aan als de eerstelijnsbeeldvormingstest voor patiënten met verdenking op SBO. De doelstellingen van CT zijn meervoudig: (i) het bevestigen of weerleggen van de diagnose van GI-obstructie, gedefinieerd als uitzetting van de spijsverteringskanalen groter dan 25 mm, en, wanneer SBO aanwezig is, (ii) het mechanisme bevestigen (mechanisch vs. functioneel), (iii) om de locatie van de obstructie te lokaliseren, d.w.z. de overgangszone (TZ), (iv) om de oorzaak te identificeren, en (v) om te zoeken naar complicaties zoals wurging of perforatie, die het management beïnvloeden.

Gezien de exponentiële toename van het aantal scans dat wordt uitgevoerd, vooral in de setting van noodbeheer, zouden methoden om de radioloog te helpen nuttig zijn om:

1. Sorteer de uitgevoerde scans, zodat prioriteit kan worden gegeven aan de analyse van scans met een grotere kans op pathologie (occlusie in ons geval)
2. Help de radioloog bij het diagnosticeren van de occlusie en het type ervan (functioneel of mechanisch) en bij het identificeren van tekenen van ernst.
3. Om de spoedarts en de spijsverteringschirurg te helpen een beslissing te nemen over het beheer van de ziekte (chirurgisch of medisch).

Machine learning heeft zich de afgelopen decennia snel ontwikkeld, eerst dankzij de toename van de opslagcapaciteit voor gegevens, vervolgens dankzij de komst van parallelle verwerkingshardware op basis van grafische verwerkingseenheden, in het kader van radiologische diagnostische assistentie. Bijgevolg neemt het aantal onderzoeken naar diepe neurale netwerken in medische beeldvorming snel toe. Er zijn echter maar weinig teams die zich richten op SBO. De enige gepubliceerde classificatiemodellen zijn gemaakt voor standaard abdominale röntgenfoto's. Geen enkele studie heeft CT- of 3D-modellen gebruikt, afgezien van onze voorlopige studie over ZT's, ondanks de erkende voordelen van CT voor de diagnose van SBO en de waarschijnlijke bijdrage van 3D-modellen, die vergelijkbaar kan zijn met die van multiplanaire reconstructie voor de analyse van beelden in meerdere ruimtevlakken.