O algoritmo ajuda médicos a avaliar se os pacientes do curso são candidatos para o procedimento deremoção

Um algoritmo desenvolvido pela faculdade no centro da ciência da saúde da Universidade do Texas em Houston (UTHealth) pode ajudar médicos fora dos centros principais do tratamento do curso a avaliar se um paciente que sofre do curso isquêmico tiraria proveito de um procedimento endovascular para remover um coágulo que obstrui uma artéria.

Os resultados de seu estudo clínico que usa o algoritmo foram publicados hoje em linha no curso do jornal.

O thrombectomy de Endovascular é um procedimento que envolva rosquear um cateter através da artéria femoral no pé toda a maneira ao cérebro, onde o coágulo pode ser removido mecanicamente. Desde 2015, os estudos mostraram-no que pode melhorar resultados para pacientes do curso, mas somente se a quantidade de tecido de cérebro que foi ferido é mínima na altura do tratamento.

Infelizmente, neuroimaging avançado para detectar dentro das horas se um paciente é um candidato para o tratamento é limitado à perfusão emergente da ressonância magnética ou (CT) do tomografia computorizada. Que o tipo da tecnologia e a experiência não são no máximo hospitais da comunidade e preliminares disponíveis afague centros.

Com thrombectomy endovascular, nós temos agora um tratamento para o curso isquêmico que é realmente revolucionário. Permite que nós tomem pacientes do curso da inabilidade severa e retornem-nos a uma vida quase normal. Infelizmente, as técnicas de imagem lactente avançadas usadas actualmente para identificar que os pacientes tiram proveito deste procedimento não são parte externa amplamente disponível de grandes hospitais da referência. Em conseqüência, a maioria de pacientes do curso não têm o acesso à selecção directriz-baseada para estes tratamentos.”

Sunil A. Sheth, DM, autor correspondente e professor adjunto da neurologia com a Faculdade de Medicina de McGovern em UTHealth

Na resposta, Sheth e Luca Giancardo, o PhD, o autor superior e o professor adjunto na escola de UTHealth da informática biomedicável, desenvolveram uma ferramenta deaprendizagem que poderia ser usada com uma técnica de imagem lactente amplamente disponível, angiograma do CT. A ferramenta pode analisar imagens automaticamente “aprendendo” os testes padrões subtis da imagem que podem ser usados como um proxy para outro mais avançado, mas não prontamente - disponível, modalidades da imagem lactente tais como a perfusão do CT. A arquitetura da aprendizagem de máquina, chamada DeepSymNet, foi desenvolvida em UTHealth.

Para testar a ferramenta, a equipa de investigação identificou pacientes em seu registro do curso que tinha sofrido um curso ou teve as circunstâncias que imitaram o curso.

Dos 224 quem tiveram o curso, 179 tiveram os vasos sanguíneos cerebrais que foram obstruídos. O algoritmo de DeepSymNet aprendeu identificar estes bloqueios das imagens do angiograma do CT, e treinou o software para usar aquelas mesmas imagens para definir a área do cérebro que tinha morrido, usando varreduras adquiridas concurrent da perfusão do CT como a “bandeira de ouro.”

“A vantagem é você não tem que estar em um centro de saúde académico ou em um hospital terciário do cuidado para determinar se este tratamento beneficiaria o paciente. E o melhor de tudo, angiograma do CT é já amplamente utilizado para pacientes com curso,” Sheth disse.