Non-invasive detection of peritonitis-related alterations in peritoneal dialysis effluent using high-resolution ultrasound and artificial intelligence
Deze studie toont aan dat een niet-invasief systeem op basis van kunstmatige intelligentie dat hoog-resolutie echografiebeelden van peritoneale dialyse-effluent analyseert, nauwkeurig klinisch significante stijgingen in het aantal witte bloedcellen kan detecteren, wat een veelbelovende tool biedt voor de vroege, thuisgestuurde monitoring van peritonitis.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Voor miljoenen mensen over de hele wereld zijn de nieren gestopt met werken, een aandoening die bekend staat als chronische nierziekte. Wanneer de nieren falen, kan het lichaam geen afvalstoffen en overtollig vocht uit het bloed filteren, wat leidt tot een levensbedreigende ophoping. Om te overleven, moeten patiënten niervervangende therapie ondergaan, een proces dat kunstmatig het werk van de nieren uitvoert. Een veelvoorkomende methode is peritoneale dialyse, waarbij een patiënt de buikholte vult met een speciale reinigingsvloeistof. Deze vloeistof blijft een bepaalde tijd in het lichaam zitten, absorbeert afvalstoffen, en wordt vervolgens weer afgevoerd. Het is een behandeling die veel vrijheid biedt, omdat patiënten hun zorg thuis kunnen beheren in plaats van urenlang een kliniek te moeten bezoeken. Deze vrijheid brengt echter een aanzienlijk risico met zich mee: de bekleding van de buikholte kan ontstoken raken, een conditie die peritonitis wordt genoemd. Deze infectie is een ernstige complicatie die kan leiden tot ziekenhuisopname, het verlies van de dialysekatheter en de noodzaak om over te stappen op een andere, meer beperkende vorm van behandeling. Het vroegtijdig detecteren van deze infectie is cruciaal, maar momenteel is de enige betrouwbare manier om te weten of er een infectie aanwezig is, het naar een laboratorium sturen van een monster van de afgevoerde vloeistof. Daar tellen technici de witte bloedcellen onder een microscoop. Als de telling te hoog is, duidt dit op een infectie. Dit proces kost tijd, waardoor patiënten vaak in onzekerheid moeten wachten terwijl de infectie mogelijk verergert.
Onderzoekers zoeken al langer naar een manier om deze detectie sneller en mogelijk direct aan het bed van de patiënt, of zelfs thuis, mogelijk te maken. Een team van wetenschappers, werkend samen met diverse ziekenhuizen in Spanje en een technologiebedrijf, heeft een nieuwe aanpak ontwikkeld die hoogresolutie echografie combineert met kunstmatige intelligentie. In plaats van een vloeistofmonster naar een laboratorium te sturen, kijkt hun systeem direct naar de vloeistof in de afzak met behulp van geluidsgolven. Het apparaat gebruikt een probe die bovenop de zak wordt geplaatst en zendt hoogfrequente geluidsgolven uit die weerkaatsen op de minuscule deeltjes die in de vloeistof zweven. Bij een gezond persoon is de vloeistof grotendeels helder, maar wanneer er een infectie aanwezig is, raakt deze gevuld met witte bloedcellen. Deze cellen zijn te klein om met het blote oog te zien, maar de hoogresolutie echografie kan ze detecteren terwijl ze bewegen. Het systeem legt beelden vast van deze bewegende deeltjes en gebruikt vervolgens een computerprogramma, dat getraind is om patronen te herkennen, om ze te tellen en hun grootte te bepalen. Het doel was om te zien of deze niet-invasieve methode nauwkeurig het verschil kon zien tussen een veilige vloeistof en een geïnfecteerde vloeistof, zonder de zak ooit te openen of de vloeistof aan te raken.
Het team testte dit systeem op echte patiënten bij wie peritonitis was vastgesteld. Ze rekruteerden individuen uit vijf verschillende ziekenhuizen en verzamelden vloeistofmonsters uit hun afzakken op verschillende momenten tijdens hun behandeling. Voor elk monster voerden ze twee controles uit: de nieuwe echografie en de standaard laboratoriumtest die cellen onder een microscoop telt. De laboratoriumtest diende als de waarheid waartegen de nieuwe machine werd gemeten. Het echosysteem was ontworpen om twee dingen te doen: eerst de hoeveelheid witte bloedcellen in de vloeistof schatten, en vervolgens te bepalen of de meerderheid van die cellen het grote, agressieve type is dat doorgaans een actieve infectie signaleert. De onderzoekers trainden hun kunstmatige intelligentiemodellen met behulp van duizenden afbeeldingen die in een laboratorium waren gemaakt met gecontroleerde mengsels van deeltjes, en verfijnden het systeem vervolgens met de echte patiëntgegevens die zij hadden verzameld.
De resultaten lieten zien dat het systeem met een hoge mate van nauwkeurigheid werkte. Wanneer de onderzoekers het oordeel van de machine vergeleken met het oordeel van het laboratorium, identificeerde het systeem de aanwezigheid van een infectie ongeveer negentig procent van de tijd correct. Het was bijzonder goed in het opsporen van gevallen waar de infectie ernstig was, met zeer hoge aantallen cellen. Het systeem slaagde er ook in om onderscheid te maken tussen vloeistof die licht troebel was door normale variaties en vloeistof die echt geïnfecteerd was, hoewel het meer uitdagingen ondervond wanneer de celtellingen net op de grens lagen van wat artsen als gevaarlijk beschouwen. In die grensgevallen, waar het aantal cellen net boven of net onder de drempel voor diagnose lag, maakte het systeem soms fouten, net zoals een mens zou kunnen worstelen met een wazig beeld. Voor het overgrote deel van de monsters leverde de machine echter een duidelijk antwoord. Het identificeerde succesvol dat de vloeistof te veel cellen bevatte en dat het dominante celtype de grote, ontstekingsgevoelige soort was, wat het kenmerk is van peritonitis.
De studie belichtte ook de praktische realiteit van het gebruik van een dergelijk apparaat. De onderzoekers ontdekten dat de kwaliteit van het beeld sterk afhankelijk is van hoe de probe op de zak wordt geplaatst. Als de zak niet correct gepositioneerd was, of als er interferentie was van andere elektronische apparaten in de buurt, konden de beelden vervormd raken, wat leidde tot onnauwkeurige resultaten. In de studie moesten een aantal metingen worden weggegooid vanwege deze technische problemen, en een aantal patiënten werden om dezelfde reden uit de definitieve analyse uitgesloten. Dit suggereert dat voor het betrouwbaar werken van de technologie in een thuissituatie, het apparaat zo ontworpen zou moeten worden dat het de gebruiker begeleidt bij de correcte plaatsing en wellicht een manier bevat om automatisch te controleren of het beeld goed genoeg is om op te vertrouwen. De onderzoekers merkten op dat het systeem de neiging had om het aantal cellen licht te onderschatten wanneer de tellingen erg hoog waren, maar dat dit de machine niet verhinderde om die monsters correct als positief voor infectie te markeren.
Uiteindelijk demonstreert dit onderzoek dat het mogelijk is om de tekenen van een ernstige buikinfectie te detecteren met behulp van geluidsgolven en computeranalyse, zonder de noodzaak van een laboratorium. Het systeem bleek in staat om de onzichtbare wereld van witte bloedcellen in een afzak te zien en die visuele informatie te vertalen naar een duidelijke diagnose. Hoewel de technologie nog niet perfect is en verdere verfijning vereist om met de chaotische realiteit van thuisgebruik om te gaan, biedt het een veelbelovend pad naar een toekomst waarin patiënten hun eigen gezondheid direct kunnen monitoren. Door infecties eerder te vangen, zou een dergelijk hulpmiddel complicaties kunnen voorkomen, de noodzaak voor ziekenhuisbezoeken kunnen verminderen en mensen aan de dialyse in staat stellen hun onafhankelijkheid met grotere veiligheid te behouden. Het werk vormt een belangrijke stap voorwaarts, waarbij de diagnose van peritonitis van het trage tempo van het laboratorium naar de snelheid van het ziekbed wordt gebracht.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.