El algoritmo ayuda a médicos a fijar si los pacientes del recorrido son candidatos a procedimiento de coágulo-eliminación

Un algoritmo desarrollado por la facultad en el centro de la ciencia de la salud de la Universidad de Texas en Houston (UTHealth) puede ayudar a médicos fuera de centros importantes del tratamiento del recorrido a fijar si un paciente que sufre de recorrido isquémico se beneficiaría de un procedimiento endovascular para quitar un coágulo que ciega una arteria.

Los resultados de su estudio clínico usando el algoritmo fueron publicados hoy en línea en el recorrido del gorrón.

El thrombectomy de Endovascular es un procedimiento que implica el filetear de un catéter a través de la arteria femoral en el tramo hasta el final al cerebro, donde el coágulo se puede quitar mecánicamente. Desde 2015, los estudios lo han mostrado que puede perfeccionar los resultados para los pacientes del recorrido, pero solamente si la cantidad de tejido cerebral se ha herido que es mínima a la hora del tratamiento.

Lamentablemente, el neuroimaging avanzado para descubrir dentro de horas si es un paciente un candidato al tratamiento se limita a la perfusión de la proyección de imagen de resonancia magnética emeregente o de la tomografía (CT) calculada. Que la clase de tecnología y la experiencia no son a lo más hospitales de la comunidad y primarias disponibles frote ligeramente los centros.

Con thrombectomy endovascular, ahora tenemos un tratamiento para el recorrido isquémico que es realmente revolucionario. Permite que tomemos a pacientes del recorrido de la incapacidad severa y que los volvamos a una vida casi normal. Lamentablemente, las técnicas de proyección de imagen avanzadas usadas actualmente para determinar a que los pacientes benefician de este procedimiento no están extensamente - el exterior disponible de los hospitales grandes de la remisión. Como consecuencia, la mayoría de los pacientes del recorrido no tienen acceso a la investigación pauta-basada para estos tratamientos.”

Sunil A. Sheth, Doctor en Medicina, autor correspondiente y profesor adjunto de la neurología con la Facultad de Medicina de McGovern en UTHealth

En la reacción, Sheth y Luca Giancardo, el doctorado, el autor mayor y el profesor adjunto en la escuela de UTHealth de la informática biomédica, desarrollaron una herramienta de máquina-aprendizaje que se podría utilizar con a extensamente - técnica de proyección de imagen disponible, angiograma del CT. La herramienta puede analizar imágenes automáticamente “aprendiendo” las configuraciones sutiles de la imagen que se pueden utilizar como poder para otro avance, pero no fácilmente disponible, las modalidades de la proyección de imagen tales como perfusión del CT. La configuración del aprendizaje de máquina, llamada DeepSymNet, fue desarrollada en UTHealth.

Para probar la herramienta, el equipo de investigación determinó a pacientes en su registro del recorrido que había sufrido un recorrido o tenía condiciones que imitaron el recorrido.

De los 224 quién tenían recorrido, 179 tenían vasos sanguíneos cerebrales que fueron cegados. El algoritmo de DeepSymNet aprendió determinar estos bloqueos de las imágenes del angiograma del CT, y entrenó al software para utilizar esas mismas imágenes para definir el área del cerebro que había muerto, usando exploraciones detectadas concurrencia de la perfusión del CT como el “patrón oro.”

“La ventaja es usted no tiene que estar en un centro de salud académico o un hospital terciario del cuidado para determinar si este tratamiento beneficiaría al paciente. Y el mejor de todos, angiograma del CT es ya ampliamente utilizado para los pacientes con el recorrido,” Sheth dijo.