Mô hình AI [trí tuệ nhân tạo] để xác minh đầu ống thông tĩnh mạch trung tâm
Tác giả Stroeder
Mục đích: Phát hiện chính xác vị trí đặt sai ống thông tĩnh mạch trung tâm (CVC) là rất quan trọng đối với sự an toàn của bệnh nhân và điều trị hiệu quả. Trí tuệ nhân tạo (AI) hiện tại thường phải vật lộn với những hạn chế về độ không chính xác của nhãn nhận diện và các diễn giải đầu ra thiếu khả năng hiểu được đối với bác sĩ lâm sàng. Nghiên cứu này nhằm giới thiệu một phương pháp sử dụng phân đoạn dữ liệu hỗ trợ và giải phẫu để tăng cường độ chính xác và khả năng hiểu được khi phát hiện vị trí đặt sai CVC.
Dữ liệu và phương pháp
Nghiên cứu sử dụng 2 tập dữ liệu: tập dữ liệu RANZCR CLiP có thể truy cập công khai và tập dữ liệu nội bộ được thiết kế riêng gồm 1006 ảnh chụp X-quang ngực nằm ngửa có chú thích.
3 mô hình deep-learning đã được đào tạo: mạng phân loại, mạng phân đoạn và sự kết hợp của cả hai. Các mô hình này đã được đánh giá bằng cách sử dụng phân tích đặc tính hoạt động của tiếp nhận dữ liệu, diện tích dưới đường cong, hệ số tương đồng DICE và khoảng cách Hausdorff.
Kết quả
Mô hình kết hợp cho thấy hiệu suất vượt trội với diện tích dưới đường cong là 0,99 đối với CVC được định vị chính xác và 0,95 đối với CVC đặt sai vị trí.
Mô hình vẫn duy trì hiệu quả cao ngay cả khi dữ liệu đào tạo giảm từ tập dữ liệu cục bộ. Tỷ lệ độ nhạy và độ đặc hiệu cao và mô hình quản lý hiệu quả các nhiệm vụ phân đoạn và phân loại, ngay cả trong các hình ảnh có nhiều CVC và các tài liệu hỗ trợ khác.
Kết luận
Nghiên cứu này minh họa tiềm năng của các mô hình dựa trên AI trong việc xác định chính xác và đáng tin cậy vị trí CVC trong chụp X-quang ngực.
Phương pháp được đề xuất cho thấy độ chính xác cao và cung cấp khả năng diễn giải được cải thiện, rất quan trọng đối với việc ra quyết định lâm sàng.
Các phát hiện cũng làm nổi bật tầm quan trọng của chất lượng và tính đa dạng của tập dữ liệu trong việc đào tạo các mô hình AI để phân tích hình ảnh y tế.
Trích Stroeder J, Multusch M, Berkel L, Hansen L, Saalbach A, Schulz H, Heinrich MP, Elser Y, Barkhausen J, Sieren MM. Optimizing Catheter Verification: An Understandable AI Model for Efficient Assessment of Central Venous Catheter Placement in Chest Radiography. Invest Radiol. 2024 Oct 9. doi: 10.1097/RLI.0000000000001126. Epub ahead of print. PMID: 39724590.