Opplæring av en maskinlæringsmodell for å oppdage venøse sykdommer ved hjelp av PPG-teknologi

Denne kliniske forskningen tar sikte på å evaluere effektiviteten av å bruke Photoplethysmography (PPG) signaler kombinert med Artificial Intelligence (AI) algoritmer, for nøyaktig klassifisering og diagnose av venøse sykdommer i underekstremiteten. Denne studien inviterer en gruppe deltakere som for tiden gjennomgår undersøkelser for venøs sykdom ved The Whiteley Clinic (heretter referert til som TWC). Deltakerne vil bli klassifisert i kontrollgrupper (friske personer uten signifikant venøs sykdom) og kronisk venøs sykdom (CVD) (diagnostisert med påvist venøs sykdom). Potensielle deltakere som uttrykker interesse for å bli inkludert i studien vil få utdelt et pasientinformasjonsark og vil gjennomgå en orientering om pilotstudien. Dersom de samtykker og signerer de relevante samtykkeskjemaene, vil deltakerne utføre en rekke standardiserte øvelser under tilsyn av en rådgivende karkirurg. Gjennom øvelsene registrerer en datainnsamlingsenhet festet til ankelen PPG-signalene, og fanger opp endringene i blodvolum på grunn av de reflekterte PPG-signalene fra de røde blodcellene under bevegelsen. Så snart dataene er samlet inn og registrert, gjør dette det mulig å analysere dataene til kontrollgruppen og CVD-gruppen mot hverandre. Under analysen av de to gruppenes PPG-signaler ligger målet innenfor evnen til å oppdage subtile nyanser i mønstrene til PPG-signalene under de utførte bevegelsene ved hjelp av AI-algoritmer. AI-algoritmene vil skille mønstre eller funksjoner som indikerer tilstedeværelse eller fravær av venøs sykdom. Denne studien søker å bidra med verdifull innsikt i å forbedre diagnosen av venøs sykdom ved hjelp av PPG- og AI-algoritmer, og baner nye tilnærminger til venøs helsetjenester.