Djup inlärning tillämpas på vanlig abdominal röntgenövervakning efter endovaskulär aneurysmreparation (EVAR) av abdominalt aortaaneurysm (AAA) (DeepLearn)

Abdominalt aortaaneurysm (AAA) är ett tillstånd där bukaortan, en stor artär, utvidgas gradvis, sekundärt till en degenerativ process inom dess vägg. Detta kan leda till bristning av den försvagade väggen med efterföljande blodbad in i buken. Detta scenario är vanligtvis dödligt. Diametern på aneurysmet korrelerar positivt med risken för bristning. Aneurysmstorlek är därför den primära bestämningsfaktorn när man överväger om man elektivt ska reparera AAA eller inte.

Endovaskulär aneurysmreparation (EVAR) har blivit standardbehandlingen för AAA hos de allra flesta patienter. Det är en minimalt invasiv teknik som syftar till att utesluta aneurysmen från cirkulationen genom att placera ett syntetiskt "stentgraft" i aortalumen. Metalliska hullingar såväl som radiell kraft bibehåller stentgraftpositionen i icke-aneurysmal aorta ovanför aneurysmet såväl som i höftbensartärerna under aneurysmet.

Nivå 1 bevis har konsekvent visat förbättrad perioperativ överlevnad med EVAR jämfört med traditionell öppen kirurgi. Det finns dock farhågor angående den långsiktiga hållbarheten för EVAR-stentgraft, med 1 av 5 patienter som behöver ytterligare operation av aneurysmet under de 5 åren efter operationen. Detta beror ofta på att stentgraftens position och integritet inte fungerar. Därför är standard internationell praxis att hålla patienter under livslång övervakning efter EVAR. Detta är vanligtvis i form av vanliga röntgenbilder i kombination med antingen datortomografi (CT) eller duplex ultraljudsundersökningar, alla utförda på årsbasis.

Stentgrafter är synliga på vanliga röntgenbilder av buken och genom att jämföra serier av bilder tagna över tid är det möjligt att diagnostisera en mängd stentgraftproblem inklusive migration, sönderfall och distorsion. Men dessa förändringar kan vara subtila på vanliga röntgenbilder och svåra att upptäcka, även för det mest tränade mänskliga ögat. Som ett resultat av detta genomgår patienter mer detaljerade skanningar som tyvärr medför risk för nefrotoxicitet och strålningsinducerad malignitet.

Syftet med vår forskning är att förbättra den diagnostiska potentialen för vanliga röntgenbilder genom att använda moderna datoralgoritmer för djupinlärning för tolkning.

Artificiell intelligens (AI) i form av djupinlärning har visat stor framgång de senaste åren på många utmanande problem. Framgången med djupinlärning underbyggs till stor del av framsteg inom kraftfulla grafikprocessorer (GPU). GPU:er gör det möjligt för oss att påskynda träningsalgoritmer i storleksordningar, vilket minskar körtiderna på veckor till dagar.

Vår studie kommer att undersöka användningen av artificiell intelligens för att tolka serier av anonymiserade vanliga röntgenbilder för att identifiera egenskaper hos ett sviktande stentgraft.

En djupinlärningsalgoritm kommer att tillämpas på vanliga röntgenbilder efter EVAR som redan har utförts på vår institution i England under de senaste 10 åren. Vi kommer sedan att jämföra maskinens effektivitet när det gäller att identifiera stentgraftrelaterade problem med de kända resultat som identifierats av mänsklig tolkning tidigare.

Detta projekt kommer att förlita sig på de senaste framstegen inom tekniker för djupinlärning. Det förväntas att djupinlärning kommer att ge bra prestanda för EVAR-övervakning i linje med dess framgångsrika tillämpning inom domäner som igenkänning av siffror, kinesiska tecken och trafikskyltar där datorer har producerat bättre noggrannhet än människor.