与黄金标准超声相比，机器学习诊断深静脉血栓形成的优势

“AutoDVT”是一个软件系统，旨在帮助非专业操作人员，如护士、全科医生 (GP) 和其他专职医疗人员诊断 DVT。 该软件使用如下所述的“机器学习”算法。

本研究旨在改善当前费力、耗时且昂贵的诊断 DVT 途径。

静脉血栓形成 (VT) 通常发生在腿部深静脉和骨盆深静脉中。 DVT 可分为膝盖以上（髂骨、股骨、腘静脉）和膝盖以下（小腿静脉）。

众所周知，DVT 在诊断时和诊断后都会导致全球显着的发病率和死亡率。 30% - 50% 被诊断患有 DVT 的患者会继续发展为血栓形成后综合征，这对患者的长期生活质量有重大影响。 DVT 患者也有发生致命性肺栓塞 (PE) 的风险。 根据 Charity Thrombosis United Kingdom (UK)，发达国家每 37 秒就有一个 VT 患者死亡。

75-88% 的疑似 DVT 病例在经过全面调查后呈阴性。 十多年前诊断 DVT 的费用在 42-202 英镑 (£) 之间，因此 NHS 每年调查所有出现 DVT 症状的患者的费用约为 1.75 亿英镑，如研究“非-伦敦帝国理工学院 Kainz 教授的《机器学习超声成像对深静脉血栓形成的侵入性诊断》。

重要的是要注意，此值未考虑任何额外的间接成本，例如工作时间损失、住院、治疗费用和重复超声波扫描的费用。 仅通过临床检查很难诊断 DVT。 当前诊断近端 DVT 的标准方法涉及结合预测试概率（Wells 评分）、D-二聚体（血液）测试和加压超声检查（通常是三点加压检查）的算法。

有新的手持式超声 (US) 探头可供使用，这意味着仅需将 US 探头与手机或平板电脑结合使用即可进行诊断。 目前，虽然新型手持式探头体积更小，更适合床旁诊断，但仍需要有经验的放射科医师或超声科医师进行三点加压检查。

这意味着，这些设备只能在放射技师或放射科医师等专家所在的地方使用。 然而，由于“机器学习”的最新进展，现在已经为这些“基于应用程序”的探头开发了一种软件，可以帮助非专业医疗保健专业人员以最少的培训进行加压超声检查，并区分 DVT 和非 DVT深静脉血栓。

之前在牛津大学医院 (OUH) 对该设备进行的数据收集研究主要用于改进 AutoDVT 软件，但在一项小型试点研究中也强调该技术具有与标准加压超声类似的诊断测试准确性。 本协议中概述的研究将检验这一假设。