Sztuczna inteligencja dla sterowanych ultradźwiękami blokad nerwów obwodowych i płaskich

Znajomość sonoanotomii jest niezbędna w procedurach znieczulenia regionalnego pod kontrolą USG (UGRA). Naszym celem była ocena dokładności oprogramowania sztucznej inteligencji (AI) używanego do wspomagania interpretacji sonoanatomii poprzez podkreślanie struktur anatomicznych w nerwach obwodowych i płaskich blokad w rozpoznawaniu struktur anatomicznych.

Wszystkie skany wykonano za pomocą urządzenia ultrasonograficznego (GE Logiq, Wisconsin, USA) z oprogramowaniem AI (Nerveblox, Smart Alfa Teknoloji San. Ve Tic. A.Ş., Ankara, Turcja). Korzystając z tej konfiguracji, gdy użytkownik wykonuje badanie ultrasonograficzne, oprogramowanie AI zapewnia użytkownikowi informacje zwrotne w czasie rzeczywistym na temat identyfikacji struktur anatomicznych/punktów orientacyjnych.

Oprogramowanie AI zostało zaprojektowane tak, aby dostarczać użytkownikowi trzy główne sygnały zwrotne w czasie rzeczywistym;

• plakietki z nazwami dla każdej struktury anatomicznej
• kolorowe nakładki dla każdej struktury anatomicznej
• wskaźnik powodzenia skanowania dla całego obrazu

Kolorowe nakładki i plakietki z nazwiskami to podświetlenia i kropki o regulowanej przezroczystości, które dostarczają użytkownikowi bardziej ogólnych przestrzennych informacji zwrotnych na temat układu anatomicznego. Stopień kompletności płaszczyzny jest wizualizowany za pomocą wskaźnika „sukcesu skanowania”, który prowadzi użytkownika w sposób pokazujący, jak blisko jest aktualny obraz do idealnej wizualizacji predefiniowanych punktów orientacyjnych.

Obszary bloku nerwów obwodowych i płaskich (ich anatomiczne punkty orientacyjne), które może zidentyfikować oprogramowanie AI, to;

• Region zablokowania kanału przywodziciela (tętnica udowa, mięsień sartorius, nerw odpiszczelowy i mięsień obszerny przyśrodkowy)
• Obszar blokady splotu ramiennego pachowego (tętnica pachowa, mięsień dwugłowy ramienia, mięsień kruczo-ramienny, ścięgno stawu, nerw mięśniowo-skórny i mięsień trójgłowy ramienia)
• Obszar bloku ESP (płaszczyzna prostownika kręgosłupa) (mięsień prostownika kręgosłupa, opłucna, mięsień romboidalny, mięsień trapezowy i wyrostek poprzeczny)
• Region blokady kości udowej (tętnica udowa, żyła udowa, nerw udowy i mięsień biodrowo-lędźwiowy)
• Obszar blokady PECS (piersiowej) (opłucna, mięsień piersiowy mniejszy, mięsień piersiowy większy, żebro i mięsień zębaty przedni)
• Region bloku podkolanowego (nerw strzałkowy wspólny, tętnica podkolanowa, żyła podkolanowa i nerw piszczelowy)
• Region blokady pochewki mięśnia prostego brzucha (jama otrzewnej, mięsień prosty brzucha, pochewka przednia mięśnia prostego i pochewka tylna mięśnia prostego brzucha)
• Obszar blokady splotu szyjnego powierzchownego (mięsień pochyły przedni, tętnica szyjna, splot szyjny, żyła szyjna i mięsień mostkowo-obojczykowo-sutkowy)

Na potrzeby badania trzech anestezjologów, którzy zostali przeszkoleni w zakresie znieczulenia regionalnego i zakwalifikowani do wykonywania technik UGRA, zeskanuje każdego ochotnika pod kierunkiem oprogramowania AI. W sumie trzech rezydentów wykona skany 8 rodzajów bloków dla wszystkich 40 ochotników. Wszystkie zeskanowane obrazy zostaną zapisane. Korzystając z tej procedury, uzyskanych zostanie 960 obrazów ultrasonograficznych zarówno w postaci surowej, jak i przetworzonej przez sztuczną inteligencję do oceny ekspertów.

Anestezjolog posiadający specjalistyczną wiedzę na temat technik znieczulenia regionalnego pod kontrolą USG oraz radiolog z dużym doświadczeniem w ultrasonografii przejrzą i ocenią dokładność oprogramowania AI na uzyskanych obrazach ultrasonograficznych. Aby uzyskać dokładniejszy wynik, ocena oprogramowania AI zostanie przeprowadzona oddzielnie dla każdej struktury anatomicznej wybranych obszarów bloku.

Eksperci proszeni są o ocenę i ocenę (0: źle umiejscowione, 1: bardzo słabo, 2: słabo, 3: dobrze, 4: bardzo dobrze, 5: doskonale) plakietek i kolorowych nakładek umieszczonych przez oprogramowanie AI. Jeśli plakietka z nazwą (reprezentowana przez kropkę i skrót nazwy struktury) dla struktury anatomicznej jest umieszczona w taki sposób, że nie mieści się w wizualnych granicach struktury anatomicznej, wówczas wynik będzie wynosił „0: źle umiejscowiony”. Jeśli tabliczka znamionowa struktury anatomicznej jest prawidłowo umieszczona w granicach wizualnych i może reprezentować strukturę anatomiczną, wówczas wynik powinien zawierać się między „1: bardzo słaba” a „5: doskonała”, zgodnie z konsystencją otaczającego koloru nakładki i leżącej pod nią struktury anatomicznej.

Dane będą analizowane przy użyciu oprogramowania SPSS 26 przy 95% poziomie ufności. Dla pomiarów zostaną podane statystyki średniej, odchylenia standardowego (SD), minimum, maksimum i mediany. Ponieważ zmienna „wynik” jest miarą porządkową między 0 a 5 i nie zapewnia rozkładu normalnego w regionach, w analizie zostaną użyte metody nieparametryczne.