【神麻人智】评估人工智能辅助对局部麻醉超声扫描的影响

摘要

背景:超声引导局部麻醉依赖于超声显示关键标志、目标和安全结构。然而，这可能具有挑战性，特别是对于缺乏经验的操作者。人工智能(AI)正越来越多地应用于包括超声在内的医学图像判读。在这项探索性研究中，评估了在超声引导区域麻醉中，非专家在使用和不使用辅助人工智能设备时所展示的超声扫描质量。

方法: 21名麻醉医师均为非超声引导区域麻醉专家，他们接受了6个区域的周围神经阻滞超声扫描标准化教学。然后，所有人对每个区域进行扫描; 一半扫描在 AI 辅助下进行，另一半没有辅助。专家评估获得阻滞图像的正确性和是否正确识别每个图像的超声解剖结构。参与者评价自身扫描信心，专家进行整体扫描质量评分，并对扫描进行计时。

结果:专家评估了126次超声扫描。参与者在使用辅助人工智能设备中获得了90.3%正确区域图像（56/62次扫描），而没有使用人工智能设备的则是75.1%正确率（47/62次扫描）(P=0.031,2个数据点丢失)。解剖结构在超声图像上的正确识别率，使用AI的为188/212(88.8%)，而没有使用的为161/208 (77.4%)(P=0.002)。在参与者信心、专家整体表现评分或扫描时间方面没有显著的整体差异。

结论:使用辅助人工智能设备与改善超声图像采集和解释有关。这种技术具有提高非专家超声采集的能力，有可能增加这些技术应用于患者的机会。

人工智能(AI) ，特别是以深度学习(DL)形式出现的人工智能，正在成为解读医学图像的主流方法。它已成功地应用于广泛的医学成像模式，包括超声。本课题组和其他人已经报道了在 超声引导区域麻醉（UGRA） 中使用辅助人工智能进行超声扫描。本研究中的设备，ScanNav 解剖外周神经阻滞(ScanNavTM; 智能超声，英国卡迪夫) ，使用深度学习(DL)技术创建 B 模式超声的实时彩色叠加，以突出结构(图1及补充文件A在线视频) 该系统旨在将注意力吸引到感兴趣的区域，以帮助获取特定神经区域的正确超声图像，并正确识别该图像上的结构。

图1：ScanNav 解剖外周神经阻滞彩色叠加示例。ISB(肌间沟水平臂丛阻滞):AS，前斜角肌;C5, C5神经根;C6, C6神经根;MS，中斜角肌。AxBP(腋窝水平臂丛阻滞):AA，腋动脉;AV,腋静脉;CT，背阔肌/大圆肌联合(共同)肌腱;McN，肌皮神经;MN正中神经;RN桡神经;UN,尺神经。ESP(竖脊肌阻滞):ESM，竖脊肌群(及上覆肌群);TP,横突。RSB(直肌鞘阻滞):P，腹膜;RA，腹直肌;RSa，腹直肌鞘(前层);RSp，腹直肌鞘(后层)。ACB(内收肌管阻滞):FA，股动脉;SaN，隐神经;SM，缝匠肌。SNB(腘窝水平坐骨神经阻滞):CPN，腓总(腓骨)神经;TN，胫神经。

本研究是一项随机、前瞻性、干预性研究，旨在由非UGRA专家的麻醉医师评估ScanNav TM对特定区域超声扫描性能的影响。本研究的主要目的是确定在对周围神经阻滞进行超声扫描时，辅助AI是否与获得正确的区域图像有关。次要目的是确定辅助AI的使用是否与区域图像上超声解剖结构的正确识别、超声采集操作者的信心、专家对非专家扫描性能的整体评估或扫描所花费的时间相关。

方法

非专家参与者

21名不同级别的麻醉医师从安奈林贝文大学和牛津大学医院的麻醉科招募而来。

专家参与者

UGRA的六名专家(AJRM、DBSL、CH、DP、TR、SW)参与了这项研究，他们要么提供教学，要么对参与者进行评估。

受试者

招募了五名健康的志愿者接受超声扫描，并对他们的时间进行了补偿。唯一的排除标准是存在扫描区域病变。

设备

超声扫描使用线性探头在PX、SII和X-Porte SonoSite超声机器(Fujifilm SonoSite, Bothell, WA, USA)上进行。

教学

参与者最初参加了由三位专家(DBSL, CH, TR)提供的2小时教学课程。教授了一种标准化的方法来扫描6个A方案区域;肌间沟和腋窝水平的臂丛、竖脊肌平面、腹直肌鞘、内收肌管(股骨三角远端)和腘水平的坐骨神经阻滞。教学过程还包括熟悉ScanNavTM设备。

评估

参与者分别对六个周围神经区域进行一次扫描，同时由其他三位专家(AJRM, DP, SW)中的一位进行评估。在招募研究人员的时候，他们被交替随机分组，使用或不使用设备进行第一次扫描。参与者接下来轮流使用(辅助)和不使用(非辅助) ScanNav TM 进行6次扫描，所以一半的扫描是在AI设备的帮助下进行的，另一半是不使用AI设备。参与者在六次扫描中的两次接受了专家的评估。然后参与者与另外两位人员专家/受试者重复这个过程(图2)。

图2：参与者进度流程图。ACB，内收肌管阻滞;AxBP，腋窝水平臂丛阻滞;ESP，竖脊平面阻滞;ISB，肌间沟水平臂丛阻滞;Pop-SNB，腘窝水平坐骨神经阻滞;RSB，腹直肌鞘阻滞;UGRA，超声引导的区域麻醉。

终点

每次扫描的时间都是从超声探头接触受试者皮肤开始，直到参与者宣布他们获得了正确的区域图像为止。此时超声图像被冻结，并记录时间(秒)。

然后专家要求参与者在0到10的范围内说明其信心(0是低信心，10是有信心)。专家记录所获得的区域图像是否正确(是/否)。一个正确的区域图像被定义为在前面的教学课程中演示的所有预定结构都被捕捉在冻结的图像上。然后要求参与者在SonoSite超声机显示的原始未修改图像上识别特定周围神经阻滞区域图像的每个重点结构。如果使用ScanNav TM进行扫描，则允许参与者在有疑问和扫描过程中参考彩色叠加来指导他们在SonoSite超声上的识别。专家记录识别结构是否正确(是/否)。最后，对于该扫描，专家给参与者一个0到10级的整体评分(0是差，10是优秀)。

样本量，数据处理和分析

研究小组不知道之前有类似的研究可参考样本量。因此，研究人员计划这项研究至少包括20名参与者，作为一个可以充分管理的实用样本，并为未来的研究提供所需的数据指示。

以描述性的方式报告数据，并在适当的情况下使用统计评估(使用R软件V.4.1.1, R统计计算基金会，维也纳，奥地利)来评估变量之间的关系。卡方检验用于比较离散数据，Mann-Whitney U检验用于比较序数和非参数数据。统计显著性定义为P<0.05。

结果

扫描参与者和受试者

7名参与者为专家/职业麻醉医师，其余14名为实习生。在评估阶段扫描的三名受试者包括一名19岁的男性( [BMI] 22.9 kg/m 2)，一名34岁的女性([BMI]25.1 kg/ m 2)和一名32岁的男性([BMI]31.7 kg /m 2)。

整体数据

共进行了126次超声扫描(6个周围神经阻滞区域各21次) ，63次使用ScanNav TM和63次没有使用。在处理过程中，丢失两个正确区域图像数据点(一个是有设备的扫描，一个是没有设备的扫描) ，一个数据点在扫描时丢失 (没有设备的扫描)。

如表1所示，使用ScanNav TM后，区域图像和解剖结构的正确识别得到了改善。在参与者自评信心、专家整体评分或平均扫描时间上没有观察到差异。

表1：整体终点的总结。AI，人工智能;IQR，四分位间距;标准差。

如图3所示，在非ScanNav TM使用扫描中，23.8%(15/63)的参与者报告了0-5的信心，而使用ScanNav TM扫描则为12.7%(8/63)。相反，非ScanNav TM使用中有76.2%(48/63)的参与者具有6-10的信心，使用ScanNav TM扫描则为87.3%(55/63)。图4显示，专家的整体评分，0-5的得分中， 30.2% (19/63)为非ScanNav TM使用者， 14.3% (9/63) 为ScanNav TM使用者。当专家的整体评分为6-10时， 85.7% (54/63)的为ScanNav TM使用者，69.8% (44/63)为非ScanNav TM使用者。

图3：参与者信心评分。所有参与者自评信心分数的分布，显示了使用或不使用ScanNav解剖周围神经阻滞进行扫描的分布。PNB，周围神经阻滞。

图4：专家整体评级评分。所有专家评分的分布，显示了扫描的得分，使用或不使用扫描周围神经阻滞。PNB，周围神经阻滞。

讨论

在这项探索性研究中，ScanNav TM辅助AI超声扫描设备与提高非专家获得正确的区域图像和解剖结构识别的准确率相关。尽管区域图像在临床实践中不是二元的(正确/不正确)，但本研究中的正确图像是基于专家对超声图像的解释，其中包含由英国区域麻醉协会、美国区域麻醉和疼痛医学协会以及欧洲区域麻醉和疼痛治疗协会认可的共识所定义的结构。尽管超声图像的获取和解释是UGRA的一项基本技能，但即使在专家中也不是固定不变的。

这项探索性研究显示了辅助人工智能技术在UGRA中帮助非专家的可能性。这种设备还可以支持更广泛的人员使用UGRA，从而使患者能够更多地受益于这些技术。

两组的扫描所需时间几乎相同。因此，本文数据显示，在同一时间内，使用ScanNav TM可以正确识别更多的结构。辅助人工智能技术并没有显示出缩短扫描时间，然而，大约75秒的平均扫描时间仅占围手术期时间的一小部分。此外，更快的扫描并不意味着更好的扫描。

超声扫描只是UGRA的一个方面。然而，图像采集和解释为阻滞针的插入和注射提供决策性信息。因此，这些技能可能会影响阻滞效果和安全性，尽管本研究没有对此进行研究。在医疗过程中，越来越多地使用床旁超声(POCUS)，AI技术可以适当的促进在非麻醉专业(如急诊医学)中实施UGRA。这些领域的临床医生通常熟悉POCUS和介入手术，但不太熟悉UGRA，他们可以从这种技术中受益，以支持他们的学习和实践。

结论

这是第一个由非专家在有和没有辅助人工智能设备的情况下比较超声扫描用于区域麻醉的研究。使用scanav解剖末梢神经阻滞可以改善超声图像采集和解释。结论是，这种技术在未来可能被用于提高非专家的表现，并有可能普及这些技术应用于患者。

述评

UGRA所需的基本要求是超声获取关键标志，目标结构和安全结构，避免并发症的发生。然而解剖结构往往是复杂可变的，不断提高超声图片质量、正确获取和解释超声图片的能力仍是需要改进的方向。本研究提供了基于AI的方法来实现这样的目的。

使用基于AI的设备提高了操作者信心，这样更有利于非专家使用，也有利于专家放手让非专家更独立的进行操作。目前使用的这个彩色叠加系统是显示在第二个屏幕上的，如果将来可以整合入超声设备中显示在同一屏幕上，将可能缩短超声采集时间。

编译：吴桐   校对：汪乐天   

声明：古麻今醉公众号为舒医汇旗下，古麻今醉公众号所发表内容之知识产权为舒医汇及主办方、原作者等相关权利人所有。未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。 ‍  

打赏