AI: Είναι μια από τις πιο κοινές διαταραχές που σχετίζονται με τα νεύρα, που επηρεάζει συγκεκριμένα άτομα που εκτελούν επαναλαμβανόμενες κινήσεις των χεριών, όπως το προσωπικό γραφείου που εργάζεται με πληκτρολόγια, τους εργαζόμενους στη γραμμή συναρμολόγησης και τους αθλητές.
Ερευνητές στο Ινδικό Ινστιτούτο Επιστημών (IISc), σε συνεργασία με το Νοσοκομείο Aster-CMI, ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης που μπορεί να αναγνωρίσει το μέσο νεύρο σε βίντεο με υπερήχους και να ανιχνεύσει το σύνδρομο καρπιαίου σωλήνα (CTS). Η μελέτη δημοσιεύτηκε στο IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control.
Το CTS εμφανίζεται όταν το μέσο νεύρο, το οποίο εκτείνεται από το αντιβράχιο στο χέρι, συμπιέζεται στο τμήμα του καρπιαίου σωλήνα του καρπού, με αποτέλεσμα μούδιασμα, μυρμήγκιασμα ή πόνο. Είναι μια από τις πιο κοινές διαταραχές που σχετίζονται με τα νεύρα, που επηρεάζει συγκεκριμένα άτομα που εκτελούν επαναλαμβανόμενες κινήσεις των χεριών, όπως το προσωπικό γραφείου που εργάζεται με πληκτρολόγια, τους εργαζόμενους στη γραμμή συναρμολόγησης και τους αθλητές.
Επί του παρόντος, οι γιατροί χρησιμοποιούν υπερήχους για να απεικονίσουν το μέσο νεύρο και να αξιολογήσουν το μέγεθος, το σχήμα και τυχόν ανωμαλίες του. “Αλλά σε αντίθεση με τις ακτίνες Χ και τις σαρώσεις μαγνητικής τομογραφίας, είναι δύσκολο να ανιχνευθεί τι συμβαίνει στις εικόνες και τα βίντεο υπερήχων”, εξηγεί ο Karan R Gujarati, πρώτος συγγραφέας και πρώην φοιτητής MTech στο Τμήμα Υπολογιστικών και Επιστημών Δεδομένων (CDS), IISc.
«Στον καρπό, το νεύρο είναι αρκετά ορατό, τα όριά του είναι ξεκάθαρα, αλλά αν κατεβείτε στην περιοχή του αγκώνα, υπάρχουν πολλές άλλες δομές και τα όρια του νεύρου δεν είναι ξεκάθαρα». Η παρακολούθηση του μέσου νεύρου είναι επίσης σημαντική για θεραπείες που απαιτούν από τους γιατρούς να χορηγήσουν τοπική αναισθησία στο αντιβράχιο ή να μπλοκάρουν το μέσο νεύρο για να προσφέρουν ανακούφιση από τον πόνο.
Για να αναπτύξει το εργαλείο της, η ομάδα στράφηκε σε ένα μοντέλο μηχανικής εκμάθησης βασισμένο στην αρχιτεκτονική μετασχηματιστή, παρόμοιο με αυτό που τροφοδοτεί το ChatGPT. Το μοντέλο αναπτύχθηκε αρχικά για να ανιχνεύει δεκάδες αντικείμενα ταυτόχρονα στα βίντεο του YouTube. Η ομάδα αφαίρεσε τα υπολογιστικά ακριβά στοιχεία του μοντέλου για να το επιταχύνει και μείωσε τον αριθμό των αντικειμένων που μπορούσε να παρακολουθήσει σε μόνο ένα — το μέσο νεύρο, σε αυτή την περίπτωση.
Συνεργάστηκαν με τον Lokesh Bathala, Lead Consultant Neurologist στο Aster-CMI Hospital, για τη συλλογή και τον σχολιασμό βίντεο υπερήχων τόσο από υγιείς συμμετέχοντες όσο και από άτομα με CTS, για να εκπαιδεύσουν το μοντέλο. Μόλις εκπαιδεύτηκε, το μοντέλο ήταν σε θέση να τμηματοποιήσει το μέσο νεύρο σε μεμονωμένα καρέ του βίντεο υπερήχων.
“Φανταστείτε ένα βίντεο ενός αυτόνομου αυτοκινήτου. Εάν το αυτοκίνητο κινείται στο δρόμο, θέλετε να παρακολουθήσετε το αυτοκίνητο”, εξηγεί η αντίστοιχη συγγραφέας Phaneendra K Yalavarthy, Καθηγήτρια στο CDS. “Με τον ίδιο τρόπο, είμαστε σε θέση να παρακολουθούμε το νεύρο σε όλο το βίντεο.”
Το μοντέλο ήταν επίσης σε θέση να μετρήσει αυτόματα την περιοχή διατομής του νεύρου, η οποία χρησιμοποιείται για τη διάγνωση του CTS. Αυτή η μέτρηση πραγματοποιείται χειροκίνητα από υπερηχογράφο. “Το εργαλείο αυτοματοποιεί αυτή τη διαδικασία. Μετρά την περιοχή διατομής σε πραγματικό χρόνο”, εξηγεί ο Bathala. Κατάφερε να αναφέρει την περιοχή της διατομής του μέσου νεύρου με ακρίβεια μεγαλύτερη από 95% στην περιοχή του καρπού, λένε οι ερευνητές.
Παρόλο που έχουν αναπτυχθεί πολλά μοντέλα μηχανικής μάθησης για σαρώσεις αξονικής και μαγνητικής τομογραφίας, πολύ λίγα έχουν αναπτυχθεί για βίντεο υπερήχων, ειδικά υπερηχογράφημα νεύρων, εξηγεί ο Yalavarthy. “Αρχικά, εκπαιδεύσαμε το μοντέλο σε ένα νεύρο. Τώρα θα το επεκτείνουμε σε όλα τα νεύρα στα άνω και κάτω άκρα”, λέει ο Bathala. Προσθέτει ότι έχει ήδη αναπτυχθεί ως πιλοτικό τεστ στο νοσοκομείο.
“Έχουμε ένα μηχάνημα υπερήχων συνδεδεμένο με μια πρόσθετη οθόνη όπου λειτουργεί το μοντέλο. Μπορώ να κοιτάξω το νεύρο και ταυτόχρονα, το εργαλείο λογισμικού οριοθετεί επίσης το νεύρο. Μπορούμε να δούμε την απόδοσή του σε πραγματικό χρόνο.” Ο Bathala λέει ότι το επόμενο βήμα θα ήταν να αναζητήσουν κατασκευαστές μηχανών υπερήχων που μπορούν να το ενσωματώσουν στα συστήματά τους. “Αυτό το είδος εργαλείου μπορεί να βοηθήσει κάθε γιατρό. Μπορεί να μειώσει τον χρόνο συμπερασμάτων”, λέει. «Αλλά φυσικά, η τελική διάγνωση θα πρέπει να γίνει από τον γιατρό».
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
