Tidlig diskriminering av periprostetiske hofteinfeksjoner ved bruk av nevrale nettverk (SEPTIC-ANNR) (SEPTIC-ANNR)

Periprostetiske hofteinfeksjoner er et hett tema innen ortopedisk kirurgi, hvis forekomst er omtrent 1 %. Sykeligheten, dødeligheten og merkostnadene forbundet med langvarig sykehusinnleggelse og videre behandling er hovedbekymringene. Periprostetiske infeksjoner diagnostiseres vanligvis ved å bruke CDC-kriteriene (Center for Disease Control and Prevention) (2014). Diagnosen er basert på større og mindre kriterier, inkludert preoperative og intraoperative parametere. For å oppnå en pålitelig infeksjonsdiagnose, når fistel ikke er tilstede, kreves synovialvæskeaspirasjon eller vevsprøver. Imidlertid er disse teknikkene dyre og invasive. Dessuten er sensitiviteten ikke alltid så nøyaktig, som vist av noen serier med revisjonsoperasjoner utført for antatt aseptisk løsning, som viste seg å være septisk etter kulturer. Derfor oppstår diagnose av infeksjon ofte sent og etter en lang, kompleks, kostbar og ikke alltid avgjørende diagnostisk opparbeiding, noe som påvirker tidspunktet og suksessen til behandlingen.

En praktisk, rask, pålitelig og ikke-invasiv (muligens poliklinisk) diagnostisk prosedyre for periprostetiske infeksjoner vil være ønskelig. Det kan stole på diagnostisk bildediagnostikk, og begrense oppsamlingen av væske eller vev til tvilsomme tilfeller. Foreløpig blir CT og nukleærmedisinske avbildningsteknikker ikke rutinemessig tatt i bruk i diagnostisering av infeksjon, på grunn av den beskjedne påliteligheten, kostnadene og eksponeringen for strålende midler.

Nylig har nevrale nettverk blitt introdusert: de består av mange enkle parallelle prosessorer, dypt forbundet, og realiserer en beregningsmodell. Nevrale nettverk etterligner hjernen og dens evne til å lære. Beregningsmodeller gjenkjenner visuelle signaler, håndterer komplekse situasjoner i sanntid, klassifiserer og håndterer støy, bruker assosiativt minne med sanntidstilgang til store datamengder og rekonstruerer delvis eller ødelagt informasjon. Nevrale nettverk har allerede blitt brukt til å forutsi utbruddet av infeksjoner, metastaser og behandlingssvikt, med integrering av kliniske og diagnostiske bildedata. Til dags dato er det ikke utført studier om nevrale nettverk ved periprostetisk infeksjon. Hensikten med denne studien er å evaluere om nevrale nettverk (cellulære nevrale nettverk-genetisk algoritme), brukt på konvensjonelle radiografier, er nøyaktige, sensitive og spesifikke for tidlig diskriminering av en periprostetisk hofteinfeksjon, allerede diagnostisert med velkjente metoder ( CDC 2014).

Spesifikt velges en populasjon av pasienter, med en fullstendig røntgenhistorie (preoperative røntgenbilder og en rekke andre postoperative røntgenbilder), behandlet for septisk eller aseptisk løsning.

Begge tilfellene er nødvendige for å "instruere" et nevralt nettverk. Det første trinnet består i å identifisere en påfølgende serie pasienter med septisk eller aseptisk løsningsdiagnose, konsultere sykehusdatabasen. Dermed er pasienter kategorisk delt inn i septisk, eller aseptisk, løsning. 2014 CDC-kriteriene brukes (som rutinemessig utført i kliniske omgivelser), og legger til et annet viktig og nødvendig kriterium: minst 3 positive intraoperative vevsprøver (samme mikroorganisme). Ved aseptisk løsning må ikke dekselet oppfylle CDC 2014-kriteriene. Dermed samles pasientenes bildediagnostikk og kliniske data. Etter å ha fastslått diagnosen, behandles det radiografiske materialet (cellulære nevrale nettverk - genetisk algoritme). Den foreslåtte prosedyren behandler de radiografiske bildene ved å bruke følgende pipeline og MatLab-programvaren (Mathworks, Natick, USA):

• baseline: det første post-implantatbildet sammenlignes med pre-implantat røntgenbilde;
• fremdriften registreres ved periodiske røntgenbilder ved bruk av standard og repeterbare projeksjoner (bekkenrøntgenstråler);
• funksjonene trekkes ut fra hvert bilde, i det manuelt segmenterte området (interesseområde - ROI). Tre trinn finner sted: 1) bildeforbehandling, for å skape enhetlige rammer for inngangsdata (bilder på grått nivå). Fargehistogramutjevning; 2) funksjoner hentet fra nevrale nettverk brukes på ROI. Kloning av maler ved hjelp av genetiske algoritmer. Funksjonene vil bli behandlet av et fullt tilkoblet lag + SoftMax; 3) funksjoner hentet fra AutoEconder med fullt tilkoblet lag + SoftMax;
• analyse av differensielle radiografiske trekk (analyse av cellulære og konvolutive sider) og sammenligning med baseline. Etterbehandling på følgende måte: 1) fullstendig sammenkoblet regresjonslag og multiklasseklassifisering: vil produsere prosentandelen av septisk progresjonsrisiko; 2) fullt koblet regresjonslag og binær klassifikator: funksjoner i de septiske / aseptiske klynger;
• et endelig beslutningstre: sammenslåing av de ovennevnte dataene, som gir en prosentandel av risikoen for septisk progresjon ved den indekserte avbildningen. Målet er å verifisere om de nevrale nettverkene som brukes til radiografisk avbildning nøyaktig, sensitivt og spesifikt kan gjenkjenne en sen, kronisk periprostetisk hofteinfeksjon diagnostisert i henhold til validerte og visse kriterier.