印度科学研究所 (IISc) 的研究人员与 Aster-CMI 医院合作开发了一种人工智能工具，可以识别超声视频中的正中神经并检测腕管综合症 (CTS)。该研究发表在IEEE Transactions on Ultrasonics、Ferroelectrics 和Frequency Control上。

当从前臂延伸到手部的正中神经在手腕的腕管部分受到压迫，导致麻木、刺痛或疼痛时，就会出现 CTS。它是最常见的神经相关疾病之一，特别影响进行重复性手部动作的个人，例如使用键盘的办公室工作人员、装配线工人和运动员。

目前，医生使用超声波来观察正中神经，并评估其大小、形状和任何潜在的异常。“但与 X 射线和 MRI 扫描不同，超声图像和视频中发生的情况很难检测到，”IISc 计算和数据科学系 (CDS) 的第一作者、前 MTech 学生 Karan R Gujarati 解释道。 “在手腕处，神经非常明显，它的边界很清晰，但如果你深入到肘部区域，还有很多其他结构，神经的边界并不清晰。” 追踪正中神经对于需要医生对前臂进行局部麻醉或阻断正中神经以缓解疼痛的治疗也很重要。

为了开发他们的工具，该团队转向了一种基于 Transformer 架构的机器学习模型，类似于为 ChatGPT 提供支持的模型。该模型最初是为了同时检测 YouTube 视频中的数十个物体而开发的。该团队剥离了模型中计算成本较高的元素以加快速度，并将其可以跟踪的物体数量减少到只有一个——在本例中是正中神经。他们与 Aster-CMI 医院首席神经科医生顾问 Lokesh Bathala 合作，收集健康参与者和 CTS 患者的超声视频并对其进行注释，以训练模型。经过训练，该模型能够在超声视频的各个帧中分割正中神经。

“想象一下自动驾驶汽车的视频。如果汽车在路上行驶，您就想跟踪汽车，”通讯作者、CDS 教授 Phaneendra K Yalavarthy 解释道。“以同样的方式，我们能够在整个视频中追踪神经。”

该模型还能够自动测量神经的横截面积，用于诊断 CTS。该测量由超声医师手动执行。“该工具使这个过程自动化。它实时测量横截面积，”Bathala 解释道。研究人员表示，它能够报告手腕区域正中神经的横截面积，准确率超过 95%。

Yalavarthy 解释说，尽管已经开发了许多机器学习模型来筛查 CT 和 MRI 扫描，但很少有模型是针对超声视频(尤其是神经超声)开发的。

“最初，我们在一根神经上训练模型。现在我们要把它扩展到上肢和下肢的所有神经，”巴塔拉说。他补充说，它已经在医院进行了试点测试。“我们有一台超声波机器连接到运行模型的附加监视器。我可以看到神经，同时软件工具也在勾画神经。我们可以实时看到它的表现。”

Bathala 表示，下一步将寻找能够将其集成到其系统中的超声波机器制造商。“这种工具可以帮助任何医生。它可以减少推理时间，”他说。“但当然，最终的诊断需要由医生来完成。”