Los científicos usan el aprendizaje automático para ayudar a los médicos a encontrar venas para extraer sangre sin complicaciones

Crédito: CC0 Public Domain

Investigadores de Skoltech han desarrollado un prototipo temprano de un sistema de imágenes médicas que usa redes neuronales para analizar imágenes en el infrarrojo cercano de venas y proyectar un patrón venoso en el cuerpo de un paciente, esto puede hacer que las extracciones de sangre sean mucho más fáciles y menos molestas para los pacientes con difícil acceso a las venas. El documento se publicó en las actas de la 16ª Conferencia Internacional sobre Control, Automatización, Robótica y Visión (ICARCV).

Según los datos citados en el documento, de aproximadamente 20 millones de análisis de sangre realizados en todo el mundo todos los días, se estima que casi el 45 % implica algún grado de incomodidad para el paciente cuyas venas son más difíciles de acceder debido a afecciones médicas como la diabetes. , una edad particularmente joven, o simplemente características individuales del cuerpo. En estos casos, cuando las venas son apenas perceptibles y no palpables, incluso los profesionales médicos experimentados deben recurrir a ayudas técnicas o arriesgarse a múltiples o inexactas punciones, que incluso pueden tener consecuencias para la salud, especialmente para los adultos mayores.

Dmitry Dylov, profesor asociado en el Centro de Ciencias e Ingeniería Computacional y de Datos Intensivos (CDISE) y jefe del Grupo de Imágenes Computacionales en Skoltech, y sus colegas decidieron ensamblar un escáner venoso infrarrojo cercano inteligente, que puede determinar los contornos de las venas en un brazo o una pierna con bastante precisión, de forma totalmente automática e independiente (sin ninguna intervención del usuario). Lo hicieron mediante el uso de redes neuronales artificiales y aprendizaje de refuerzo para analizar mejor las imágenes y proyectarlas como una ayuda visual en el cuerpo del paciente, ajustándose a su forma y posición.

«Los escáneres de venas infrarrojas se han convertido en algo común en la práctica clínica Sin embargo, este es el primero que hace todo completamente en virtud de la IA moderna: una red neuronal limpia y procesa la señal infrarroja, la segunda detecta los contornos de las venas y la tercera se ‘preocupa’ continuamente por la alineación. para asegurar que los contornos proyectados en el brazo de un paciente se superpongan con las venas reales. Sorprendentemente, todo lo que teníamos que hacer era decirle al sistema qué es bueno y qué es malo durante la etapa de entrenamiento, y las redes neuronales lograron aprender el resto por sí mismas. , encontrando automáticamente la configuración óptima para nuevos pacientes, entornos e incluso distorsiones, incluso si el sistema nunca las ha encontrado», dice Dmitry Dylov.

Vito Leli, Skoltech Ph.D. estudiante y autor principal del trabajo publicado, señala que hay muchos factores que dificultan la detección de venas, incluso en el rango infrarrojo, donde el contraste de las venas es mejor. «Entonces, el instrumento se planteó para enfrentar principalmente los desafíos algorítmicos y de procesamiento de imágenes. Queríamos tener en cuenta la alta variabilidad del contraste de la vasculatura entre los pacientes (p. ej., debido al tono y grosor de la piel, etc.). Nuestro algoritmo final también es capaz de detectar vasculatura incluso para relaciones señal-ruido (SNR) bajas, como se validó en una cohorte de pacientes», agrega.

El equipo ensambló un dispositivo prototipo y lo probó en experimentos con voluntarios, demostrando que podía detectar el patrón venoso en el espectro infrarrojo cercano y luego proyectarlo como una imagen en los brazos de las personas. «Los antebrazos son partes del cuerpo que generalmente se usan para análisis de sangre, por lo que fue nuestra decisión natural desarrollar un sistema capaz de resolver el problema de visualizar las venas en esa área específica. Nada nos impide usarlo para obtener imágenes de la vasculatura en otras áreas necesarias para otras aplicaciones clínicas». , por ejemplo, para ayudar con la instalación de un catéter. El dispositivo es bastante compacto y flexible para eso. Como primer paso en nuestra investigación, recolectamos imágenes NIR del antebrazo de los voluntarios en Skoltech para entrenar nuestro dispositivo y tomar fotos de los antebrazos es más amigable con la privacidad que las tomas faciales», dice Alexander Sarachakov, estudiante de maestría y coautor del artículo.

Un análisis de sangre realizado con este dispositivo se vería así: el paciente coloca su brazo debajo del dispositivo, que inmediatamente busca venas (en menos de un segundo) y las proyecta sobre el antebrazo. «Si el paciente mueve el antebrazo, aunque no lo recomendamos durante un análisis de sangre con agujas, el sistema iniciará inmediatamente el procedimiento de realineación», explica Sarachakov.

«La cámara propuesta se puede escalar a otros partes del cuerpo en clínicas (por ejemplo, vasos faciales y de piernas) y para atención veterinaria para ayudar con venopunciones complejas en animales. Destacamos que aspiramos a construir una configuración de hardware económica, opuesta a las ofertas existentes en el mercado. Nuestras redes también son simplificados y flexibles para integrarlos en los controladores comerciales existentes», concluyen los autores en el artículo.

«Actualmente estamos trabajando en la selección automática de las mejores combinaciones de modelos de segmentación y eliminación de ruido para crear las imágenes más limpias y, por lo tanto, obtener un mejor reconocimiento de las venas. La pregunta que nos hacemos es con qué nivel de SNR podemos trabajar, de modo que comprobemos algunos límites fundamentales de los algoritmos y también podamos trabajar con algunos en componentes de hardware caros. Hablando de eso, estamos a punto de comenzar a probar la segunda generación de nuestro prototipo de hardware que nos acercará al lanzamiento del producto. Es fascinante trabajar en la frontera entre la ciencia fundamental y la realización inmediata de la ingeniería», concluye Oleg Rogov, científico investigador y coautor del artículo.

Explore más

La tecnología de luz infrarroja cercana respalda los procedimientos de acceso a las venas Más información: Vito M. Leli et al, Imágenes de venas del infrarrojo cercano al visible a través de redes neuronales convolucionales y aprendizaje de refuerzo, 2020 16.ª Conferencia internacional sobre control, automatización, robótica y visión (ICARCV) (2021) DOI: 10.1109/ICARCV50220.2020.9305503 Proporcionado por el Instituto Skolkovo de Ciencia y Tecnología Cita: Los científicos usan el aprendizaje automático para ayudar a los médicos a encontrar venas para extraer sangre sin complicaciones (29 de marzo de 2021) consultado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-03-scientists-machine-doctors-veins-no-fuss.html Este documento está sujeto a derechos de autor. Además de cualquier trato justo con fines de estudio o investigación privados, no parte puede ser reproducida sin autorización diez permisos. El contenido se proporciona únicamente con fines informativos.