Neurale netværk muliggør autonom navigation af katetre

Når en patient får et slagtilfælde, hvert minut tæller. Her, hurtig handling kan forhindre alvorlig hjerneskade. Hvis en blodprop blokerer et stort blodkar i hjernen, kirurger kan fjerne denne okklusion ved hjælp af et kateter indsat i patientens lyske. Imidlertid, dette er en kompliceret procedure, kræver meget erfaring, og kun få specialister er i stand til at udføre det. I nyt arbejde, Fraunhofer -forskere har undersøgt, om kunstig intelligens kan bruges til automatisk at styre et kateter til et blokeret blodkar. Indledende test med en simuleringsmodel og i laboratoriet har været meget lovende. Forskergruppen demonstrerer denne nye teknik på et blodkar -fantom på MEDICA 2019 -messen i Düsseldorf fra 18. til 21. november (Hall 10, Stand G05).

I Tyskland, omkring 270, 000 mennesker lider af et slagtilfælde hvert år. Denne pludselige forstyrrelse af blodtilførslen i hjernen kræver hurtig lægehjælp. Hvis den ikke behandles i tide, et betydeligt antal hjerneceller kan dø, efterlader patienten varige skader såsom lammelse eller talehæmning. I værste fald, det kan vise sig dødeligt. I stigende grad, den valgte terapi er en såkaldt trombektomi. Her, et tyndt kateter indsættes i en arterie, via lysken, og avancerede til aorta, hvorfra den er gevind helt op til det blokerede blodkar i hjernen. Når det blokerede fartøj er nået, et specielt instrument kendt som en stent retriever åbnes for at afsløre en lille, kurvlignende maske, der vikler sig fast sammen med blodproppen. Kateteret trækkes derefter tilbage, sammen med blodproppen. Denne procedure tager alt fra 45 minutter til tre og en halv time, afhængigt af operatørens dygtighed. Evnen til at udføre en trombektomi kræver lang træning og masser af øvelse. Afhængigt af den konkrete sag, alt mellem ti minutter og en og en halv time er påkrævet for at navigere kateteret til blodproppen. Forskere fra den Mannheim-baserede projektgruppe for automatisering i medicin og bioteknologi PAMB-som er tilknyttet Fraunhofer Institute for Manufacturing Engineering and Automation IPA-har set nærmere på dette problem. Deres idé er at bruge et robotsystem-i form af et computerstyret kateter-til at etablere et hurtigere og mere pålideligt alternativ til denne omhyggelige procedure. I en ny afgang, de har udnyttet kraften i kunstig intelligens til at lede kateteret autonomt til stedet af interesse. "Selve det kirurgiske indgreb, hvor blodproppen fjernes ved hjælp af stent retriever, stadig udføres af en læge. Men den egentlige rejse til det blokerede blodkar, hvor forskellige anatomiske vanskeligheder skal forhandles, udføres udelukkende af et autonomt kontrolleret kateter, "forklarer Johannes Horsch, en af ​​projektgruppens ingeniørforskere. "Denne procedure kan bruges ikke kun til fjernelse af blodpropper, men også til andre former for endovaskulær kirurgi, såsom behandling for hjerteinfarkt eller levertumorer. "

Autonom navigation baseret på dyb forstærkningslæring

Arten af ​​kunstig intelligens, der gør det muligt for kateteret at navigere autonomt, er kendt som deep amplification learning (DRL). Dette er en af ​​de metoder, der bruges til at træne neurale netværk, og det ligner meget den måde, hvorpå folk lærer. Det særlige kendetegn ved DRL er, at de data, der bruges til at træne det neurale netværk, automatisk genereres af en algoritme under gentagen øvelse på en computersimuleringsmodel - i dette tilfælde, en virtuel rekonstruktion af det vaskulære træ og et kateter, som algoritmen interagerer med. Ud over, forskerne har udviklet en anden algoritme til at vurdere, om den handling, der er taget, er rigtig eller forkert. Hvis, for eksempel, guidewiren er korrekt drejet til højre og indsat i den korrekte blodkar ved det næste kryds, den første algoritme tildeles et eller flere pluspoint, f.eks., +1. Hvis, imidlertid, algoritmen træffer en forkert beslutning, der gives et minuspunkt. Denne feedback gør det muligt for algoritmen at lære autonomt, så det neurale netværk løbende tilpasser sig og forbedres. "Ved hjælp af modellen, vi kan simulere alle mulige kateterbevægelser og træne det neurale netværk til et bestemt niveau, "Siger Horsch." Indtil videre har vi har haft en succesrate på 95 procent med simuleringsmodellen - dvs. i et forenklet scenario, kateteret blev autonomt navigeret til det blokerede blodkar uden problemer. Vores mål er at skubbe det op til 99 procent ved starten af ​​MEDICA. "

For at autonom navigation kan fungere i en egentlig kirurgisk indgreb, kateterets position skal spores i realtid. Det er her en anden projektpartner, Fraunhofer Institute for Digital Medicine MEVIS, kommer ind i billedet. Forskere der udvikler et intelligent kateter, som spores i det vaskulære system via fiberoptiske sensorer og uden nogen billeddannelse. Ud over, de bruger fluoroskopiske billeder til at træne et neuralt netværk til at trække kateteret tilbage gennem det vaskulære system. Det næste trin vil være at tage disse resultater, genereret med en simuleringsmodel, og overfør dem til et fantom - dvs. en model, lavet af plast, af hele blodkarstræet fra lysken til hjernen.

Pakket med den praktiske viden fra mange erfarne kirurger

En masse erfaring fra praktiserende læger er strømmet til at opbygge en algoritme, der hurtigt og pålideligt vil navigere i kateteret gennem det vaskulære system. En vigtig fordel ved denne nye teknologi er, at den vil indsnævre den enorme variation i den tid, det tager for en sådan procedure - en variation, der er et resultat af forskelle i patientens anatomi. Lige vigtigt, det vil muliggøre mindre klinikker, uden uddannede specialister på dette område, at tilbyde endovaskulær slagtilfælde. På nuværende tidspunkt, kun specialiserede slagtilfælde har det relevante udstyr og den medicinske ekspertise til at udføre en sådan behandling.

Kateter trådede over og langs guidekablet

I øjeblikket, forskerne bruger en guidewire i simuleringstestene. Det næste trin vil være at prøve at navigere i et kateter, der er trådet over og langs guidekablet som en kappe. "I den nuværende praksis, kateteret følger guidetråden. Når guidwiren har nået det rigtige blodkar, kateteret skubbes på plads, "Horsch forklarer. Teamet håber at udvikle brugen af ​​to eller tre stadig mere fine katetre, den ene indsat i den anden, så de mindste passer ind i de små blodkar i hjernen, som er meget smallere end blodkarrene i lyskeområdet.

Projektet er planlagt til at køre indtil september 2020. På det tidspunkt ville forskerne vil have afsluttet prækliniske test på siliciumfantomet i blodkarstræet og perfektioneret algoritmen, der bruges til at navigere i kateteret. Opfølgningsprojekter vil derefter fokusere på at optimere proceduren, især med hensyn til dens sikkerhed og pålidelighed. Efter det, yderligere fire til fem år er blevet afsat til kliniske undersøgelser for at demonstrere dets sikkerhed og effektivitet. "Det vil uden tvivl tage yderligere ti til 15 år, før systemet kan kommercialiseres til brug på hospitaler, "Siger Horsch." Inden da, en masse forskningsarbejde og kliniske undersøgelser vil være påkrævet. Og, ud over alt det, lovgivere bliver nødt til at udstede myndighedsgodkendelse til brug af neurale netværk i medicinsk sammenhæng. "Horsch og hans kolleger demonstrerer de seneste resultater af deres forskning på MEDICA -messen i Düsseldorf fra 18. til 21. november, 2019 (hal 10, Stand G05).