人工智能人工智能(AI)机器学习(ML)正被用作医疗和卫生保健用途的诊断工具。一项新研究发表在npj数字医学演示了人工智能深度学习如何能够像现有的金标准方法从超声波扫描中一样准确地区分健康患者和深静脉血栓(DVT)患者。

“这项研究提供了一个概念证明，基于ml的分析可以区分有DVT和没有DVT的患者，同时根据临床标准为非专家提供图像采集指导。”该研究报告的主要作者、牛津大学拉德克里夫医学院和牛津大学医院NHS基金会信托的尼古拉·柯里博士，以及牛津大学、帝国理工学院、谢菲尔德大学和ThinkSono的研究团队共同撰写。

科学家们表示，这是第一个证明基于超声图像的人工智能机器学习诊断深静脉血栓潜在益处的研究。

深静脉血栓形成是深静脉的凝块，通常在腿部，可能导致致命的肺栓塞(PE)。肺栓塞是可以预防的，当深静脉血栓从静脉壁破裂，然后部分或完全阻断血液供应时就会发生肺栓塞。

据美国疾病控制与预防中心(CDC)估计，每年有6万至10万美国人死于DVT/PE，也称为静脉血栓栓塞症(VTE)。根据下议院健康委员会报告的数据，在英格兰，每年因医院获得性静脉血栓栓塞而死亡的人数约为25000 - 32000人。

研究人员写道:“腿部压缩超声是诊断的黄金标准，可以得出明确的诊断结果。”“然而，许多有可能出现症状的患者没有发现深静脉血栓，导致患者转诊等待时间很长，专家的临床负担很大。因此，希望由非专业人员在护理点进行诊断。”

在发达国家，为了诊断DVT，临床医生经常进行血液测试，寻找一种称为d -二聚体的小蛋白质片段，这种蛋白质片段在纤维蛋白溶解发生后存在于血液中，纤维蛋白溶解是血凝块中纤维蛋白的酶分解。临床医生将把血液测试的结果与威尔斯评分(Wells score)结合起来，该评分基于对患者病史和体检结果的问卷调查。为了确认疑似深静脉血栓，下一步是进行超声扫描。然而，低收入地区和欠发达国家往往无法获得这类专门资源。

科学家们写道:“目前，还没有可靠的检测方法可以用于一般的医疗保健环境(全科医生、社区医院、医院病房)或远程护理点(疗养院、病人的家)。”“在高收入国家，85%至90%的疑有深静脉血栓的患者到全科医生那里接受调查，却没有发现血栓的证据。”

为了解决这一挑战，研究人员开发了一种名为AutoDVT的人工智能深度学习，这是一种卷积神经网络(CNN)。他们使用来自255名研究参与者的超声波视频训练AutoDVT，然后对53名来自牛津血友病和血栓中心成人DVT诊所的前瞻性登记患者和30名来自德国波茨坦恩斯特·冯·伯格曼·克里尼库姆诊所的前瞻性登记患者进行评估。

研究人员总结道:“我们在临床前研究中收集图像，并研究一种用于自动解释压缩超声图像的深度学习方法。”“我们的方法为徒手超声提供指导，并帮助非专业人员检测深静脉血栓。”

这种机器学习诊断工具与具有成本效益的移动超声设备相结合，有潜力使一线卫生保健工作者和非专业人员能够进行DVT筛查。这对缺乏深静脉血栓专家的农村诊所和人手不足的医院很有帮助。此外，这项技术使放射科医生和超声技师等专家能够远程工作，而不是自己管理扫描。

科学家们表示，他们的研究是一项开创性的研究，证明了人工智能机器学习可以通过超声波扫描诊断深静脉血栓——这一发现有可能改变医疗保健的未来，提供更方便、更划算的诊断方法。

版权所有©2021 Cami Rosso