在德国,每年约有27万人患有中风。这种脑部血液供应的突然中断需要迅速的医疗护理。如果不及时治疗,大量脑细胞可能死亡,使患者遭受持续性损伤,如瘫痪或言语障碍。在最坏的情况下,它可能被证明是致命的。越来越多的治疗选择是所谓的血栓切除术。在这里,一根细导管通过腹股沟插入动脉,然后进入主动脉,从那里穿到大脑中阻塞的血管。一旦到达阻塞的血管,一种被称为支架回收器的特殊仪器就会打开,露出一个小的、篮状的网状物,它与血块紧紧地缠绕在一起。然后将导管连同血块一起取出。这一过程需要45分钟到三个半小时,具体取决于操作员的技能。进行血栓切除术的能力需要长期培训和大量实践。根据具体情况,需要10分钟到1.5小时之间的任何时间将导管引导至血块。
曼海姆医学和生物技术自动化项目组PAMB(隶属于弗劳恩霍夫制造工程和自动化研究所IPA)的研究人员一直在密切关注这一问题。他们的想法是使用一个机器人系统——以计算机控制的导管的形式——来建立一个更快、更可靠的替代这一艰苦过程的方法。在一次新的尝试中,他们利用人工智能的力量自动引导导管到达感兴趣的部位。Johannes Horsch解释说:“外科手术本身,即通过支架回收器清除血块,仍然由医生进行。但通往阻塞血管的实际旅程,需要克服各种解剖困难,完全由自主控制的导管进行。”,项目组的工程科学家之一。这种手术不仅可用于清除血块,还可用于其他类型的血管内手术,如治疗心脏梗死或肝肿瘤
自主导航
使导管能够自主导航的人工智能被称为深度强化学习(DRL)。这是用来训练神经网络的一种方法,它与人类的学习方式非常相似。DRL的具体特点是数据用于训练神经网络算法是自动生成的过程中反复练习电脑仿真模型——在这个例子中,一个虚拟的血管树的重建和导管,交互的算法。此外,研究人员还开发了第二种算法来评估所采取的行动是对是错。例如,如果导丝正确地转向右侧,并在下一个连接处插入正确的血管,则第一个算法将获得一个或多个加分,例如+1。然而,如果算法做出了错误的决定,就会被扣分。这种反馈使算法能够自主学习,从而使神经网络不断适应和改进。“使用这个模型,我们可以模拟导管所有可能的运动,并将神经网络训练到一定水平,”Horsch说。“到目前为止,我们的模拟模型有95%的成功率,也就是说,在一个简化的场景中,导管自动导航到堵塞的血管没有问题。我们的目标是在MEDICA启动时将这一比例提高到99%。”
为了使自主导航在实际的手术干预中发挥作用,必须实时跟踪导管的位置。这是另一个项目合作伙伴,弗劳恩霍夫数字医学研究所MEVIS开始工作的地方。那里的研究人员正在开发一种智能导管,通过光纤传感器在血管系统中跟踪,无需任何成像。此外,他们正在使用荧光图像训练神经网络通过血管系统将导管抽出。下一步是将这些结果,用模拟模型生成,并将它们转移到一个幻影——也就是,一个由塑料制成的模型,从腹股沟到大脑的整个血管树。
执业医生的大量经验已经用于构建一种算法,该算法可以快速、可靠地引导导管通过血管系统。这项新技术的一个关键好处是,它将缩小这种手术所需时间的巨大差异——这种差异是病人解剖结构不同的结果。同样重要的是,它将使小型诊所,没有训练有素的专家在这一领域,提供血管内中风治疗。目前,只有专业的卒中单位才有相关的设备和医疗专业知识来开展此类治疗。
导管穿过并沿着导丝穿过
目前,研究人员正在模拟测试中使用导线。下一步将是尝试引导导管,它像鞘一样穿过和沿着导丝。“在目前的实践中,导管遵循导丝。一旦导丝到达正确的血管,导管就被推到位,”Horsch解释道。研究小组希望开发出两到三根越来越细的导管,一根插入另一根,这样最小的导管就可以插入大脑中比腹股沟区域的血管窄得多的微小血管中。
该项目预计将持续到2020年9月。到那时,研究人员将完成对血管树硅体的临床前测试,并完善用于导航导管的算法。后续项目将重点优化流程,特别是在安全性和可靠性方面。在那之后,再留出4到5年的时间用于临床研究,以证明其安全性和有效性。Horsch说:“毫无疑问,该系统还需要10到15年的时间才能在医院实现商业化。”“在那之前,需要进行大量的研究工作和临床研究。除此之外,立法者还必须批准将神经网络用于医疗领域。”