Dyplæring brukt på vanlig abdominal radiografisk overvåking etter endovaskulær aneurismereparasjon (EVAR) av abdominal aortaaneurisme (AAA) (DeepLearn)

Abdominal aortaaneurisme (AAA) er en tilstand der abdominalaorta, en stor arterie, utvider seg gradvis, sekundært til en degenerativ prosess innenfor veggen. Dette kan føre til brudd på den svekkede veggen med påfølgende utblåsning inn i magen. Dette scenariet er vanligvis dødelig. Diameteren på aneurismet korrelerer positivt med risikoen for ruptur. Aneurismestørrelse er derfor den primære determinanten når man vurderer om man skal reparere AAA-er eller ikke.

Endovaskulær aneurismereparasjon (EVAR) har blitt standardbehandlingen for AAA hos de aller fleste pasienter. Det er en minimalt invasiv teknikk som tar sikte på å utelukke aneurismen fra sirkulasjonen ved å plassere en syntetisk "stent-graft" i aorta-lumen. Metalliske mothaker så vel som radiell kraft opprettholder stent-graftposisjon i ikke-aneurysmal aorta over aneurismen så vel som i iliaca arteriene under aneurismen.

Nivå 1 bevis har konsekvent vist forbedret perioperativ overlevelse med EVAR sammenlignet med tradisjonell åpen kirurgi. Det er imidlertid bekymringer angående langtidsholdbarheten til EVAR-stentgrafter, med 1 av 5 pasienter som trenger ytterligere kirurgi for aneurismen i de 5 årene etter operasjonen. Dette skyldes ofte svikt i posisjonen og integriteten til stentgraften. Derfor er standard internasjonal praksis å holde pasienter under livslang overvåking etter EVAR. Dette er vanligvis i form av vanlige røntgenbilder i kombinasjon med enten datastyrt tomografi (CT) eller dupleks ultralyd, alt utført på årsbasis.

Stentgrafts er synlige på vanlige røntgenbilder av magen, og ved å sammenligne serier av bilder tatt over tid, er det mulig å diagnostisere en myriade av stentgraftproblemer, inkludert migrasjon, desintegrasjon og forvrengning. Men disse endringene kan være subtile på vanlige røntgenbilder og vanskelige å få øye på, selv for det mest trente menneskelige øyet. Som et resultat gjennomgår pasienter mer detaljerte skanninger som dessverre medfører risiko for nefrotoksisitet og strålingsindusert malignitet.

Målet med vår forskning er å forbedre det diagnostiske potensialet til vanlige røntgenbilder ved å bruke moderne dyplæringsdataalgoritmer for tolkning.

Kunstig intelligens (AI) i form av dyp læring har vist stor suksess de siste årene på en rekke utfordrende problemer. Suksessen med dyp læring er i stor grad underbygget av fremskritt innen kraftige grafikkbehandlingsenheter (GPUer). GPU-er gjør det mulig for oss å øke hastigheten på treningsalgoritmer i størrelsesordener, noe som reduserer løpetider på uker til dager.

Vår studie vil utforske bruken av kunstig intelligens ved tolkning av serier av anonymiserte vanlige røntgenbilder for å identifisere trekk ved en sviktende stent-graft.

En dyplæringsalgoritme vil bli brukt på vanlig røntgenbilder etter EVAR som allerede er utført ved vår institusjon i England i løpet av de siste 10 årene. Vi vil deretter sammenligne effektiviteten til maskinen for å identifisere stent-graft-relaterte problemer med de kjente resultatene identifisert av menneskelig tolkning tidligere.

Dette prosjektet vil stole på nyere fremskritt innen dyplæringsteknikker. Det forventes at dyp læring vil gi god ytelse for EVAR-overvåking i tråd med dens vellykkede applikasjon i domener som gjenkjenning av sifre, kinesiske tegn og trafikkskilt der datamaskiner har produsert bedre nøyaktighet enn mennesker.