英國倫敦和德國波茨坦2021年9月16日 /美通社/ -- 一個研究團隊正在開發人工智能（AI）算法的應用，其目的是像傳統的放射學家解讀診斷掃描一樣，更快速、更有效地診斷深層血栓形成（DVT），這可能會減少長期等待治療的患者名單，并避免患者在并不患有深層血栓形成時不必要地接受藥物治療。
DVT是一種最常在腿部形成的血凝塊，會引起腫脹、疼痛和不適——如果不加以治療，可能會在肺部導致致命血栓。30-50%的DVT患者可能會有長期癥狀和殘疾。
牛津大學、帝國理工學院和謝菲爾德大學的研究人員與技術公司ThinkSono（由Fouad Al-Noor和Sven Mischkewitz領導）合作，培訓機器學習AI算法（AutoDVT），將DVT患者與非DVT患者區分開來。與金標準超聲掃描相比，AI算法可準確診斷DVT，該團隊發現，使用此算法每次檢查可能節省150美元的醫療服務費用。
牛津大學拉德克利夫醫學系研究員、牛津大學醫院NHS基金會信托基金臨床醫生Nicola Curry博士表示：“在傳統上，DVT診斷需要由一個訓練有素的放射科醫師進行專業超聲掃描，我們發現，使用AI算法與手持式超聲機器相結合的初步數據顯示出令人鼓舞的結果。”
這是第一項顯示機器學習AI算法有可能診斷DVT的研究，研究人員將開始一項測試準確性的盲法臨床研究，將AutoDVT的準確性與標準護理相比較，以確定識別DVT病例的靈敏度。對全世界每年可能患有靜脈血凝塊的近800萬人來說，AutoDVT有望能夠更快地得出正確診斷。
牛津血友病和血栓中心研究團隊成員Christopher Deane表示：“人工智能算法不僅可以接受培訓來分析超聲圖像，以區分是否存在血凝塊，而且還可以將使用超聲棒的用戶引導到股靜脈上的正確位置，以便即使是非專家用戶也能獲得正確的圖像。
該研究團隊希望，AutoDVT工具與AI算法相結合，將使全科醫生和護士等非專家醫療專業人員能夠快速診斷和治療DVT。此外，它還可以讓非專家收集圖像，并將其發送給專家，以便讓那些無法接觸到專家的患者獲得診斷。
“目前，許多患者在疑似患有DVT的24小時內沒有進行最終診斷，如此多的患者最終接受了痛苦的注射，通常可能是不必要的抗凝血劑并具有潛在的副作用，”同是牛津血液病中心成員的Curry博士表示。
ThinkSono首席執行官Fouad Al Noor表示：“我們對這項研究的結果感到欣喜，并很高興能與牛津大學醫院和其他合作伙伴醫院進一步合作，對軟件進行試驗，并將其帶給全球患者。”
研究結果發表在自然合作期刊《數字醫學》雜志上。
