Segmentação de Perfurador de Pele Habilitada por Inteligência Artificial

Objetivos e hipóteses a serem testadas:

O objetivo deste ensaio clínico de braço único é validar o desempenho da ferramenta de segmentação de perfurador de pele habilitada para IA (ferramenta de IA) na colheita de FFF assistida por computador.

Para testar a precisão preditiva (PA) da ferramenta de IA na identificação das perfurantes cutâneas alvo (endpoint primário)

• O resultado primário do PA é calculado a partir do número de perfurantes direcionadas verdadeiro/falso positivo (TP/FP), verdadeiro/falso negativo (TN/FN).
• Os resultados secundários incluem sensibilidade (SEN), especificidade (SPE), valores preditivos positivos e negativos (VPP e VPN, respectivamente).

Nossa hipótese é que a ferramenta de segmentação de vasos habilitada para IA demonstrará um alto nível de precisão na identificação das perfurantes da pele durante a coleta de FFF osteocutâneo CAS.

Plano de Investigação:

(i) Desenho do estudo

O estudo atual é um ensaio clínico de braço único e centro único para explorar o desempenho de uma ferramenta de segmentação de perfurador de pele habilitada para IA na colheita CAS FFF. O protocolo de estudo deve estar em conformidade com os Itens do Protocolo Padrão: Recomendações para Ensaios Intervencionistas (SPIRIT) e Modelo Prático de Implementação Robusta e Sustentabilidade (PRISM).

Procedimento de coleta de dados Um formulário de relato de caso (CRF anexado no Apêndice) foi elaborado para coletar dados de pesquisa pré e intraoperatória.

Os dados demográficos dos pacientes serão coletados, incluindo idade, sexo, altura corporal, peso, índice de massa corporal (IMC), diagnóstico, histórico médico e tabagismo.

Medições pré-operatórias após a incorporação dos perfuradores de pele segmentados por IA ao VSP também serão obtidas, incluindo, mas não se limitando a:

• Comprimento total da fíbula
• Número e comprimento dos segmentos da fíbula
• Número de implantes dentários imediatos
• Número de perfuradores

• Tipo de perfuradores:

  1. Septocutâneo vs musculocutâneo
  2. Direcionado (para ser incorporado no VSP e colheita) vs acessório (outros perfuradores)

• Localização relativa das perfurantes, medida como a distância do ponto mais inferior do maléolo lateral até:

  1. Nível da perfurante, à medida que cruza a face posterior da fíbula
  2. O ponto onde se bifurca da artéria fibular
• Tempo gasto incorporando o modelo de perfurador de pele ao fluxo de trabalho original do VSP

No intraoperatório, as seguintes informações serão registradas no CRF:

• Desvio entre as localizações das perfurantes cutâneas identificadas pela ferramenta AI e durante a cirurgia no ponto onde cruza a borda posterior da fíbula
• Necessidade de modificações intraoperatórias do VSP devido à discrepância na identificação da perfurante
• Satisfação do operador com a ferramenta de segmentação de IA

O endpoint primário é a precisão preditiva da ferramenta de segmentação de perfuradores de pele habilitada para IA. Será calculado de acordo com a definição de Šimundić et al. Quando o perfurador de pele for identificado tanto pela ferramenta de segmentação por IA quanto durante a cirurgia, ele será contado como verdadeiro positivo (TP). Quando o perfurador é identificado pela ferramenta de segmentação de IA, mas não é encontrado durante a cirurgia, é contado como um falso positivo (FP). Quando o perfurador é visto durante a cirurgia, mas não mostrado pela ferramenta de IA, é um falso negativo (FN). Finalmente, uma contagem de perfurantes verdadeiro negativo (TN) será derivada daqueles indivíduos que não apresentam um perfurador FN. A precisão preditiva (PA) é identificada como a porcentagem de perfurantes verdadeiras entre todas as perfurantes e é calculada como (TP +TN)/(TP+FP+TN+FN)*100%.

Os resultados secundários de sensibilidade (SEN), especificidade (SPE), valores preditivos positivos e negativos (VPP e VPN, respectivamente) da ferramenta de segmentação de IA serão calculados de acordo com a definição dada na Tabela 1. Esses resultados serão calculados no tronco da perfurante para todas as perfurantes quando as perfurantes cruzam a borda posterior da fíbula, e nos ramos das perfurantes alvo quando entram na camada subcutânea da pele.

(ii) Métodos

O Prof. Pu e o Prof. Su trabalham há vários anos na reconstrução da mandíbula assistida por computador e no planejamento cirúrgico virtual. O fluxo de trabalho já foi configurado para os projetos HMRF financiados anteriormente. A eficiência, previsibilidade e precisão do protocolo foram demonstradas em artigos publicados anteriormente.

Para o projeto atualmente proposto, os investigadores pretendem incorporar a ferramenta de IA no fluxo de trabalho atual do VSP e avaliar seu desempenho. O processo completo será dividido em três partes: 1) preparo pré-operatório; 2) cirurgia e registro intraoperatório; 3) reavaliação pós-operatória. No estudo preliminar, os investigadores estabeleceram a viabilidade da metodologia através de vários casos piloto.

1. Preparativos pré-operatórios:

   Imagem de tomografia computadorizada (TC) pré-operatória Os pacientes inscritos no estudo serão submetidos a uma tomografia computadorizada em um sistema de revolução General Electric (GE Healthcare, Chicago, IL) com espessuras de corte de 0,625 mm para cabeça e pescoço e membros inferiores . Meio de contraste iodado (Iopamiro 370, Bracco, Israel) na concentração de 370 mg/ml será administrado por via intravenosa a uma taxa de fluxo de 4 a 5 ml/seg, angiotomografia computadorizada da extremidade inferior será realizada na fase arterial. Os dados de imagem serão exportados no formato Digital Imaging and Communications in Medicine (DICOM).

   Segmentação de perfuradores de pele habilitada para IA a partir de angiografia por tomografia computadorizada Os dados DICOM do CTA serão importados para a estação de trabalho de IA (United Imaging Intelligence (UII), Xangai, China). O osso da tíbia e fíbula, pele, vasos sanguíneos das extremidades inferiores, incluindo a artéria tibial anterior (ATA), artéria tibial posterior (PTA) e artéria fibular (PEA) serão segmentados com faixa de limiar predefinida para gerar a estereolitografia ( .stl) modelos. Com base na CNN completa da V-net, os ramos dos vasos sanguíneos do PEA serão automaticamente segmentados para construir o .stl modelo. Os pequenos vasos perfurantes da PEA que viajam lateralmente, cruzando a borda posterior do osso da fíbula até a superfície da pele, serão marcados como perfurantes da pele. Os modelos .stl do osso da fíbula, pele, ATA, PTA, PEA e perfuradores de pele serão exportados da estação de trabalho para incorporação no fluxo de trabalho do VSP.

   Planejamento de cirurgia virtual

   Imagens pré-operatórias e construção de modelos A tomografia computadorizada pré-operatória será importada para o software ProPlan CMF 2.1 (Materialise, Leuven, Bélgica). A segmentação volumétrica será realizada para construir os modelos virtuais 3D das mandíbulas.

   Incorporando os perfuradores de pele Os modelos .stl exportados da estação de trabalho AI serão importados para o arquivo ProPlan. O comprimento da fíbula e a localização do perfurador da pele serão medidos e registrados.

   A colheita virtual do retalho de fíbula, segmentação e inserção de implante dentário VSP serão realizadas usando a metodologia descrita nas publicações anteriores. A extensão da ressecção será pré-determinada, com base no tipo e extensão da patologia. As osteotomias para colheita e segmentação da fíbula serão planejadas de acordo com o defeito após ressecção guiada do tumor. A localização dos implantes dentários imediatos será marcada nos segmentos da fíbula. Levando em consideração a localização dos perfurantes cutâneos, as osteotomias podem ser ajustadas para incluir o ponto de retirada dos perfurantes cutâneos, evitando a colocação do perfurador diretamente em osteotomias planejadas ou pontos de inserção de implantes.

   Projeto e fabricação de guias e/ou placas cirúrgicas Após a confirmação do VSP, as guias e/ou placas cirúrgicas serão projetadas usando o software 3-matic 13.0 (Materialise, Leuven, Bélgica). A localização das perfurantes à medida que cruzam a borda posterior da fíbula será marcada com uma pequena esfera no guia de colheita da fíbula. As guias serão impressas com resina biocompatível e autoclavável - MED610 (Stratasys Ltd, Eden Prairie, MN, EUA) ou NextDent SG (Vertex Dental, Holanda).

2. Procedimentos cirúrgicos e registro intraoperatório Todos os procedimentos cirúrgicos serão realizados na forma rotineira de reconstrução da mandíbula CAS usando FFF pelo PA. Resumidamente, osteotomias, inserção direta de implantes dentários, movimentos ósseos e inserção óssea serão guiados pelas férulas cirúrgicas preparadas.

   Medições intraoperatórias serão realizadas. Quaisquer perfurantes FP ou FN serão registrados. Qualquer evento imprevisto que exija a modificação do plano de colheita da fíbula será registrado. O manejo perioperatório padrão será conduzido de maneira rotineira.

3. Avaliação pós-operatória A avaliação pós-operatória será realizada entre a equipe cirúrgica liderada pelo PA e a equipe de informática liderada pelo Co-A. Quaisquer eventos intraoperatórios serão discutidos em tempo hábil. A entrada de dados será realizada para cada caso logo após a cirurgia.

(iii) Tamanho da amostra O cálculo do tamanho da amostra é determinado pelo endpoint primário, que se concentra na precisão preditiva da ferramenta de IA na identificação das perfurantes cutâneas alvo. Como a taxa de sucesso do método convencional na identificação de uma correlação confiável foi de 67%, o objetivo da ferramenta de segmentação de IA é atingir uma precisão mínima de 80%. Um teste unilateral para não inferioridade/superioridade é empregado. O tamanho da amostra é calculado usando o teste binomial exato para um estudo clínico de não inferioridade/superioridade de uma amostra. A hipótese pode ser unificada como: H0: p = p0 + δ versus Ha: p = p1. Aqui, δ representa o tamanho do efeito da intervenção; p0 é igual a 80% e p é a verdadeira precisão que se supõe exceder 80% com um poder estatístico de pelo menos 90% com um nível de significância de 5%.

De acordo com um relatório anterior sobre a ferramenta de segmentação de perfuradores de pele habilitada para IA, a precisão do diagnóstico foi relatada como 97%. Os investigadores podem estimar de forma conservadora a verdadeira taxa de sucesso em 95% (representando um tamanho de efeito de intervenção de 15%). Com base no cálculo, espera-se que um tamanho de amostra de 44 tenha um poder estatístico de 93,3%. Assumindo pelo menos um perfurador direcionado para cada caso e uma taxa de abandono após assinatura do consentimento informado de 10%, um total de 49 pacientes serão recrutados para o estudo.

(iv) Processamento e análise de dados

Todos os dados neste protocolo serão registrados usando um CRF especialmente projetado (Apêndice). As discrepâncias no banco de dados serão rastreadas até os documentos originais para resolução. Todos os registros serão auditados 100% quanto à precisão. A entrada de dados será realizada por dois assistentes independentes utilizando o IBM SPSS Statistics Versão 25. A consistência dos dados de entrada entre assistentes será comparada usando uma função embutida.

Para as informações demográficas, os dados serão apresentados como valores médios com desvios padrão para dados contínuos e como contagens com proporções para dados categóricos. A precisão preditiva será calculada e apresentada como frequência. O intervalo de confiança de proporção binomial unilateral de 95% será calculado e o limite de confiança inferior será comparado com 80%. A sensibilidade, especificidade e valores preditivos positivos e negativos serão calculados. Dados contínuos (distância das perfurantes identificadas pela ferramenta de IA e durante as cirurgias, localização das perfurantes em relação ao comprimento total da fíbula, tamanho das perfurantes, medidas de tempo e satisfação, etc.) serão expressos como valores médios com desvio padrão ( DP) para dados normalmente distribuídos e expresso como mediana com intervalo interquartil (IQR) ou intervalo para dados distorcidos. Para avaliar o efeito de várias variáveis ​​de confusão na precisão das perfurantes identificadas pela IA, testes adequados, como teste de correlação de Pearson ou Spearman, teste t ou teste de classificação sinalizada de Wilcoxon, serão selecionados dependendo da normalidade dos dados. A significância estatística será fixada em p<0,05. Todas as análises estatísticas serão realizadas usando o IBM SPSS Statistics versão 25.