Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O algoritmo novo do AI pode rapidamente, eficazmente diagnosticar a trombose profunda da veia

Uma equipe dos pesquisadores está desenvolvendo o uso de um algoritmo da inteligência (AI) artificial com o objectivo de diagnosticar a trombose profunda da veia (DVT) mais rapidamente e tão eficazmente quanto varreduras diagnósticas radiologista-interpretadas tradicionais, reduzindo potencial lista de espera pacientes longas e evitação dos pacientes que recebem desnecessariamente drogas para tratar DVT quando não a tem.

DVT é um tipo de coágulo de sangue formado o mais geralmente no pé, causando o inchamento, a dor e o incómodo - se saido não tratado, pode conduzir aos coágulos de sangue fatais nos pulmões. 30-50% dos povos que desenvolvem um DVT pode ir sobre ter sintomas e a inabilidade a longo prazo.

Os pesquisadores na universidade de Oxford, na faculdade imperial e na universidade de Sheffield colaboraram com a empresa ThinkSono da tecnologia (que é conduzida pelo al-Noor de Fouad e pelo Sven Mischkewitz), para treinar um algoritmo da aprendizagem de máquina AI (AutoDVT) para distinguir os pacientes que tiveram DVT daqueles sem DVT. O algoritmo do AI diagnosticou exactamente DVT quando comparado à varredura do ultra-som da bandeira de ouro, e a equipe dou certo aquela que usa o algoritmo poderia potencial salvar os serviços sanitários $150 pelo exame.

Tradicional, os diagnósticos de DVT precisam uma varredura do ultra-som do especialista executada por um técnico de radiologia treinado, e nós encontramos que os dados preliminares que usam o algoritmo do AI acoplado a uma máquina à mão do ultra-som mostram resultados prometedores.”

O Dr. Nicola Caril, o chumbo do estudo, o pesquisador no departamento do Radcliffe da universidade de Oxford da medicina e o clínico na fundação dos hospitais NHS da universidade de Oxford confiam

Este é o primeiro estudo para mostrar que os algoritmos da aprendizagem de máquina AI podem potencial diagnosticar DVT, e os pesquisadores são devidos começar um estudo clínico cegado teste-precisão, comparando a precisão de AutoDVT com o cuidado padrão para determinar a sensibilidade do para pegarar casos de DVT. A esperança será que AutoDVT obterá o diagnóstico direito mais rápido a quase 8 milhões de pessoas mundiais quem têm potencial um coágulo de sangue venoso todos os anos.

“O algoritmo do AI não pode somente ser treinado para analisar imagens do ultra-som para discriminar a presença contra a ausência de um coágulo de sangue - pode igualmente dirigir o usuário que usa a varinha do ultra-som aos lugar direitos ao longo da veia femoral, de modo que mesmo um usuário do não-especialista possa adquirir as imagens direitas,” disse o membro da equipa Christopher Deane do estudo do centro da hemofilia e da trombose de Oxford.

A esperança da equipa de investigação que a combinação da ferramenta de AutoDVT, com a inclusão do algoritmo do AI, permitirá que os profissionais dos cuidados médicos do não-especialista, como GPs e enfermeiras, diagnostiquem rapidamente e tratará DVT. Pode adicionalmente permitir a coleção das imagens pelos não-especialistas que poderiam ser enviados a um diagnóstico de facilitação perito daqueles incapazes de obter a um especialista.

“Actualmente, muitos pacientes não têm um diagnóstico definitivo dentro de 24 horas de um DVT suspeitado, e tão muitos pacientes terminam acima a recepção de injecções dolorosas do que pode frequentemente ser um anticoagulante desnecessário, com efeitos secundários potenciais,” disse o Dr. Caril, que é igualmente parte do centro de Oxford para a hematologia.

Os resultados do estudo são publicados na medicina de Digitas do jornal.

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.