När en patient får stroke, varje minut räknas. Här, snabba åtgärder kan förhindra allvarlig hjärnskada. Om en blodpropp blockerar ett stort blodkärl i hjärnan, kirurger kan ta bort denna ocklusion med hjälp av en kateter som sätts in i patientens ljumske. Dock, detta är ett komplicerat förfarande, kräver mycket erfarenhet, och bara ett fåtal specialister kan utföra det. I nytt arbete, Fraunhofer -forskare har undersökt om artificiell intelligens kan användas för att styra en kateter automatiskt och tillförlitligt till ett blockerat blodkärl. Inledande tester med en simuleringsmodell och i laboratoriet har varit mycket lovande. Forskargruppen kommer att demonstrera denna nya teknik på ett blodkärlsfantom på MEDICA 2019 -mässan i Düsseldorf från 18 till 21 november (Hall 10, Monter G05).

I Tyskland, runt 270, 000 människor drabbas av stroke varje år. Denna plötsliga störning av blodtillförseln i hjärnan kräver snabb läkarvård. Om den inte behandlas i tid, ett betydande antal hjärnceller kan dö, lämna patienten med bestående skador såsom förlamning eller talhinder. I värsta fall, det kan visa sig vara dödligt. Alltmer, den valda terapin är en så kallad trombektomi. Här, en tunn kateter sätts in i en artär, via ljumsken, och avancerade till aorta, därifrån den är gängad ända upp till det blockerade blodkärlet i hjärnan. När det blockerade fartyget har nåtts, ett speciellt instrument som kallas en stent retriever öppnas för att avslöja en liten, korgliknande nät som fastnar i blodproppen. Katetern dras sedan tillbaka, tillsammans med blodproppen. Denna procedur tar allt från 45 minuter till tre och en halv timme, beroende på operatörens skicklighet. Förmågan att genomföra en trombektomi kräver lång träning och mycket övning. Beroende på det specifika fallet, allt mellan tio minuter och en och en halv timme krävs för att navigera katetern till blodproppen. Forskare från Mannheim-baserade Project Group for Automation in Medicine and Biotechnology PAMB-som är anslutna till Fraunhofer Institute for Manufacturing Engineering and Automation IPA-har tittat närmare på detta problem. Deras idé är att använda ett robotsystem-i form av en datorstyrd kateter-för att etablera ett snabbare och mer tillförlitligt alternativ till denna noggranna procedur. I en ny avgång, de har utnyttjat kraften hos artificiell intelligens för att styra katetern autonomt till platsen av intresse. "Själva det kirurgiska ingreppet, i vilken blodproppen avlägsnas med hjälp av stent retriever, utförs fortfarande av en läkare. Men den faktiska resan till det blockerade blodkärlet, där olika anatomiska svårigheter måste förhandlas fram, utförs enbart av en autonomt kontrollerad kateter, "förklarar Johannes Horsch, en av projektgruppens ingenjörsvetare. "Detta förfarande kan användas inte bara för att ta bort blodproppar utan också för andra typer av endovaskulär kirurgi, såsom behandling för hjärtinfarkt eller levertumörer. "

Autonom navigering baserad på djupförstärkande inlärning

Arten artificiell intelligens som gör det möjligt för katetern att navigera självständigt kallas djupförstärkningslärning (DRL). Detta är en av metoderna som används för att träna neurala nätverk, och det liknar mycket hur människor lär sig. Den specifika egenskapen för DRL är att data som används för att träna det neurala nätverket genereras automatiskt av en algoritm under upprepad övning på en datorsimuleringsmodell - i detta fall, en virtuell rekonstruktion av kärlträdet och en kateter, som algoritmen interagerar med. Dessutom, forskarna har utvecklat en andra algoritm för att utvärdera om åtgärderna är rätt eller fel. Om, till exempel, guidewiren är rätt vriden åt höger och införd i rätt blodkärl vid nästa korsning, den första algoritmen tilldelas en eller flera pluspoäng, t.ex., +1. Om, dock, algoritmen fattar ett felaktigt beslut, en minuspoäng tilldelas. Denna feedback gör att algoritmen kan lära sig självständigt, så att det neurala nätverket kontinuerligt anpassar sig och förbättras. "Med hjälp av modellen vi kan simulera alla möjliga rörelser i katetern och träna det neurala nätverket till en viss nivå, "Säger Horsch." Hittills, vi har haft en framgångsgrad på 95 procent med simuleringsmodellen - dvs. i ett förenklat scenario, katetern navigerades autonomt till det blockerade blodkärlet utan problem. Vårt mål är att få det upp till 99 procent i början av MEDICA. "

För att autonom navigering ska fungera i ett verkligt kirurgiskt ingrepp, kateterns position måste spåras i realtid. Det är här en annan projektpartner, Fraunhofer Institute for Digital Medicine MEVIS, går in i bilden. Forskare där utvecklar en intelligent kateter, som spåras i kärlsystemet via fiberoptiska sensorer och utan avbildning. Dessutom, de använder fluoroskopiska bilder för att träna ett neuralt nätverk för att dra katetern genom kärlsystemet. Nästa steg blir att ta dessa resultat, genererad med en simuleringsmodell, och överför dem till ett fantom - dvs. en modell, av plast, av hela blodkärlsträdet från ljumsken till hjärnan.

Förpackad med praktisk kunskap från många erfarna kirurger

Mycket erfarenhet från praktiserande läkare har gått till att bygga en algoritm som snabbt och tillförlitligt kan navigera i katetern genom kärlsystemet. En viktig fördel med denna nya teknik är att den kommer att minska den enorma variationen i den tid det tar för ett sådant förfarande - en variation som är resultatet av skillnader i patientens anatomi. Lika viktigt, det kommer att möjliggöra mindre kliniker, utan utbildade specialister inom detta område, att erbjuda endovaskulär strokebehandling. För närvarande, endast specialiserade strokeenheter har relevant utrustning och medicinsk expertis för att utföra sådan behandling.

Kateter gängad över och längs guidekabeln

För tillfället, forskarna använder en guidewire i simuleringstesterna. Nästa steg blir att försöka navigera en kateter som är gängad över och längs guidekabeln som ett hölje. "I nuvarande praxis, katetern följer guidetråden. När guidewiren har nått rätt blodkärl, katetern skjuts på plats, "Förklarar Horsch. Teamet hoppas kunna utveckla användningen av två eller tre alltmer fina katetrar, den ena insatt i den andra, så att de minsta får plats inuti de små blodkärlen i hjärnan, som är mycket smalare än blodkärlen i ljumskregionen.

Projektet beräknas pågå till september 2020. Då, forskarna kommer att ha slutfört prekliniska tester av kiselfantomen i blodkärlsträdet och fulländat algoritmen som används för att navigera i katetern. Uppföljningsprojekt kommer då att fokusera på att optimera proceduren, särskilt när det gäller dess säkerhet och tillförlitlighet. Efter det, ytterligare fyra till fem år har avsatts för kliniska studier för att visa dess säkerhet och effekt. "Det kommer utan tvekan att ta ytterligare tio till 15 år innan systemet kan kommersialiseras för användning på sjukhus, "Säger Horsch." Innan dess, mycket forskning och kliniska studier kommer att krävas. Och, förutom allt det, lagstiftare måste utfärda myndighetsgodkännande för användning av neurala nätverk i ett medicinskt sammanhang. "Horsch och hans kollegor kommer att demonstrera de senaste resultaten av sin forskning på MEDICA -mässan i Düsseldorf från 18 till 21 november, 2019 (Hall 10, Monter G05).