Głębokie uczenie się zastosowane do zwykłego nadzoru radiograficznego jamy brzusznej po naprawie tętniaka wewnątrznaczyniowego (EVAR) tętniaka aorty brzusznej (AAA) (DeepLearn)

Tętniak aorty brzusznej (AAA) to stan, w którym aorta brzuszna, duża tętnica, rozszerza się stopniowo, wtórnie do procesu zwyrodnieniowego w jej ścianie. Może to prowadzić do pęknięcia osłabionej ściany z późniejszym wykrwawieniem do jamy brzusznej. Ten scenariusz jest zwykle śmiertelny. Średnica tętniaka dodatnio koreluje z ryzykiem pęknięcia. Rozmiar tętniaka jest zatem głównym wyznacznikiem przy rozważaniu, czy planowo naprawić AAA.

Naprawa tętniaka wewnątrznaczyniowego (EVAR) stała się standardowym sposobem leczenia tętniaków tętniczych u zdecydowanej większości pacjentów. Jest to minimalnie inwazyjna technika mająca na celu wykluczenie tętniaka z krążenia poprzez umieszczenie syntetycznego „stent-graftu” w świetle aorty. Metalowe kolce oraz siła promieniowa utrzymują pozycję stent-graftu w aorcie bez tętniaka powyżej tętniaka oraz w tętnicach biodrowych poniżej tętniaka.

Dowody poziomu 1 konsekwentnie wykazały poprawę przeżycia okołooperacyjnego z EVAR w porównaniu z tradycyjną operacją otwartą. Istnieją jednak obawy dotyczące długoterminowej trwałości stent-graftów EVAR, ponieważ 1 na 5 pacjentów wymaga dalszej operacji tętniaka w ciągu 5 lat po operacji. Jest to często spowodowane nieprawidłowym położeniem i integralnością stent-graftu. Dlatego standardową międzynarodową praktyką jest utrzymywanie pacjentów pod obserwacją przez całe życie po EVAR. Zwykle ma to postać zwykłych zdjęć rentgenowskich w połączeniu z tomografią komputerową (CT) lub dupleksowymi skanami ultrasonograficznymi, wszystkie wykonywane co roku.

Stent-grafty są widoczne na zwykłych zdjęciach rentgenowskich jamy brzusznej, a porównując serie zdjęć wykonanych w czasie, można zdiagnozować niezliczone problemy ze stent-graftami, w tym migrację, dezintegrację i zniekształcenie. Ale te zmiany mogą być subtelne na zwykłych zdjęciach rentgenowskich i trudne do zauważenia, nawet dla najbardziej wprawnego ludzkiego oka. W efekcie pacjenci poddawani są bardziej szczegółowym badaniom, które niestety niosą ze sobą ryzyko nefrotoksyczności i nowotworu popromiennego.

Celem naszych badań jest poprawa potencjału diagnostycznego zwykłych radiogramów poprzez zastosowanie do interpretacji nowoczesnych algorytmów komputerowych typu deep learning.

Sztuczna inteligencja (AI) w formie głębokiego uczenia się odniosła w ostatnich latach wielki sukces w rozwiązywaniu wielu trudnych problemów. Sukces głębokiego uczenia się jest w dużej mierze oparty na postępach w potężnych procesorach graficznych (GPU). Procesory graficzne umożliwiają nam przyspieszenie algorytmów szkoleniowych o rzędy wielkości, skracając czas działania z tygodni do dni.

Nasze badanie zbada wykorzystanie sztucznej inteligencji w interpretacji serii anonimowych zwykłych zdjęć rentgenowskich w celu zidentyfikowania cech uszkodzonego stent-graftu.

Algorytm głębokiego uczenia się zostanie zastosowany do zwykłych zdjęć rentgenowskich po EVAR, które zostały już wykonane w naszej instytucji w Anglii w ciągu ostatnich 10 lat. Następnie porównamy skuteczność maszyny w identyfikowaniu problemów związanych ze stent-graftem ze znanymi wynikami zidentyfikowanymi wcześniej przez ludzką interpretację.

Ten projekt będzie opierał się na najnowszych postępach w technikach głębokiego uczenia się. Oczekuje się, że głębokie uczenie się zapewni dobrą wydajność nadzoru EVAR zgodnie z jego pomyślnym zastosowaniem w dziedzinach takich jak rozpoznawanie cyfr, chińskich znaków i znaków drogowych, w których komputery zapewniają lepszą dokładność niż ludzie.