News

Robô usa deep learning e imagem por ultrassom para coleta de sangue

0

Uma ferramenta autônoma e robótica usou deep learning e imagens de ultrassom para coletar sangue e inserir cateteres de maneira igual ou melhor que os profissionais humanos, de acordo com um estudo publicado na Nature Machine Intelligence.

Mais de 90% dos procedimentos diagnósticos e terapêuticos no pronto-socorro, unidade de terapia intensiva, laboratório de cateterismo e sala de cirurgia requerem acesso vascular, observaram os pesquisadores. Obter acesso aos vasos é um primeiro passo crítico na coleta de sangue, administração de fluidos e medicamentos, introdução de dispositivos endovasculares, monitoramento do estado fisiológico e vários outros procedimentos importantes.

A entrega oportuna dessas intervenções pode afetar significativamente a morbimortalidade e o acesso a vasos pode ser uma tarefa desafiadora. A equipe de pesquisa afirmou que as falhas ocorrem em cerca de 20% dos procedimentos, e as dificuldades podem ser exacerbadas em pacientes com vasos pequenos ou colapsados, comuns em pacientes pediátricos, idosos e com doenças crônicas.

Usando robôs médicos, se pode reduzir lesões e melhorar a eficiência e os resultados dos procedimentos, disseram os pesquisadores. Além disso, os robôs podem executar tarefas com supervisão mínima quando os recursos são limitados, permitindo que os médicos se concentrem nos aspectos mais críticos da prestação de cuidados.

“Ao contrário dos métodos baseados em imagem, que dependem da inserção manual, as estratégias robóticas podem eliminar completamente a dependência da experiência e disponibilidade do profissional”, disseram os pesquisadores.

Um dispositivo robótico portátil conduzido por deep learning é capaz de direcionar agulhas e cateteres para vasos submilimétricos com supervisão mínima.

A ferramenta combinou uma estrutura de deep learning com imagens por infravermelho próximo e ultrassonografia para executar tarefas visuais complexas, como identificar vasos sanguíneos do tecido circundante, classificar vasos sanguíneos e estimar sua profundidade e rastreamento de movimento.

Depois de testar a ferramenta, os pesquisadores descobriram que o dispositivo reduziu o número médio de tentativas de acesso com falha de 1,8 por tentativa para 0,3 por tentativa. O dispositivo também aumentou as taxas de sucesso do primeiro uso de 53% para 88% em comparação ao acesso manual cego, com os maiores ganhos observados nas condições fisiológicas mais complexas.

Saúde suplementar começa o ano com ligeiro aumento de contratações

Artigo anterior

Incor desenvolve projeto inédito de desidentificação automatizada em imagens médicas

Próximo artigo

Comentários

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Você também pode gostar

Mais News