Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

L'algorithme neuf d'AI peut rapidement, effectivement diagnostiquer la thrombose veineuse profonde

Une équipe de recherche développent l'utilisation d'un algorithme (AI) d'artificial intelligence dans le but de diagnostiquer la thrombose veineuse profonde (DVT) plus rapidement et aussi effectivement que des échographies diagnostiques radiologue-interprétées traditionnelles, potentiellement réduisant de longues listes d'attente patientes et évitant des patients recevant inutilement des médicaments pour traiter DVT quand ils ne l'ont pas.

DVT est un type de caillot sanguin le plus couramment formé dans la patte, entraînant le gonflement, la douleur et le malaise - si laissé non traité, il peut mener aux caillots sanguins fatals dans les poumons. 30-50% des gens qui développent un DVT peut continuer pour avoir des sympt40mes et l'invalidité à long terme.

Les chercheurs à l'Université d'Oxford, à l'université impériale et à l'université de Sheffield ont collaboré avec la compagnie ThinkSono (qui de tech est aboutie par Al-Noor et Sven Mischkewitz de Fouad), pour former un algorithme de l'apprentissage automatique AI (AutoDVT) pour discerner les patients qui ont eu DVT de ceux sans DVT. L'algorithme d'AI a exactement diagnostiqué DVT si comparé à l'échographie d'ultrason d'étalon-or, et l'équipe a établi cela utilisant l'algorithme pourrait potentiellement sauvegarder les services de santé $150 selon l'inspection.

Traditionnellement, les diagnostics de DVT ont besoin d'une échographie d'ultrason de spécialiste exécutée par un manipulateur qualifié, et nous avons constaté que la caractéristique préliminaire utilisant l'algorithme d'AI accouplé à une machine tenue dans la main d'ultrason donne des résultats prometteurs. »

M. Nicola Curry, fil d'étude, chercheur au service de médecine de Radcliffe de l'Université d'Oxford et clinicien à la fondation des hôpitaux NHS d'Université d'Oxford espèrent

C'est la première étude pour prouver que les algorithmes de l'apprentissage automatique AI peuvent potentiellement diagnostiquer DVT, et les chercheurs doivent commencer une étude clinique sans visibilité parexactitude, comparant l'exactitude d'AutoDVT aux soins normaux de déterminer la sensibilité du pour capter des cas de DVT. L'espoir sera qu'AutoDVT obtiendra le bon diagnostic plus rapide à presque 8 millions de personnes mondiaux qui ont potentiellement un caillot de sang veineux tous les ans.

« L'algorithme d'AI peut non seulement être formé pour analyser des images d'ultrason pour distinguer la présence contre l'absence d'un caillot sanguin - il peut également diriger l'usager à l'aide de la baguette magique d'ultrason vers le bon emplacement le long de la veine fémorale, de sorte que même un utilisateur non spécialiste puisse acquérir les bonnes images, » a dit le membre de l'équipe d'étude Christopher Deane du centre d'hémophilie et de thrombose d'Oxford.

L'espoir d'équipe de recherche que la combinaison de l'outil d'AutoDVT, avec l'inclusion de l'algorithme d'AI, permettra à des professionnels de la santé de non spécialiste, comme des généralistes et des infirmières, de diagnostiquer rapidement et traitera DVT. Elle peut supplémentaire permettre le ramassage d'images par les non spécialistes qui pourraient être envoyés à un diagnostic de facilitation expert de ceux impossibles d'arriver à un spécialiste.

« Actuel, beaucoup de patients n'ont pas un diagnostic définitif dans un délai de 24 heures d'un DVT soupçonné, et tant de patients finissent recevoir les injections douloureuses de ce qui peut souvent être un anticoagulant inutile, avec des effets secondaires potentiels, » a dit M. Curry, qui est également une partie du centre d'Oxford pour l'hématologie.

Les résultats de l'étude sont publiés en médicament de Digitals de tourillon.

Source:
Journal reference:

Kainz, B., et al. (2021) Non-invasive diagnosis of deep vein thrombosis from ultrasound imaging with machine learning. npj Digital Medicine. doi.org/10.1038/s41746-021-00503-7.