Bone Enhanced Ultrasound (BEUS) Data Library Development Project

En vanlig behandling for korsryggsmerter involverer fluoroskopi-guidet ryggmargsfasettleddinjeksjoner og/eller mediale gren nerveblokker. Dessverre krever fluoroskopi dyrt utstyr og personell og utsetter pasienter og helsepersonell for å ionisere stråling. Ultralyd tilbyr et tryggere, lavere kostnadsalternativ, men det tradisjonelle 2-dimensjonale (2D) ultralydsystemene er begrenset på grunn av dårlig bildekvalitet, spesielt hos pasienter med høyere kroppsmasseindeks (BMI).

Som et alternativ bruker en ny beinforbedret ultralyd (BEUS) teknologi kunstig intelligens (AI) for å lage sanntids 3-dimensjonale (3D) bilder av ryggraden for å veilede nålplassering for disse injeksjonene. AI -programvaren er opplært ved å legge over computertomografi (CT) og ultralydbilder fra et pasientdatasett for å gjenkjenne anatomiske landemerker. Beus tar sikte på å til slutt erstatte fluoroskopi for ryggmargsinjeksjoner, redusere eksponering for stråling, senke helsetjenester og forbedre tilgjengeligheten, spesielt i landlige omgivelser der CT og fluoroskopi ikke er tilgjengelig.

En nøkkelbegrensning er imidlertid at det nåværende AI -systemet er trent basert hovedsakelig på pasienter (for det meste pediatrisk) som gjennomgår perioperativ vurdering av skoliose. For å adressere dette har den nåværende studien som mål å utvikle et nytt, mer klinisk relevant trenings -AI -datasett ved å samle spinal ultralyd fra opptil 100 voksne deltakere (de fleste/alle følges på den lokale kroniske smerteklinikken for korsryggsmerter) med eksisterende spinal CT eller magnetisk resonansbilde (MRI). Dette datasettet vil bli brukt til å omskolere den nåværende AI -modellen for å forbedre nøyaktigheten av 3D ryggmargsrekonstruksjoner, og dermed forbedre den kliniske relevansen av BEUS -systemet.