胸部X光氣管內管錯位偵測：深度學習演算法

賴昭翰 黃敏信 陳奇業 洪昌鈺 李俊毅 孫永年

        加護病房中經常可以觀察到不正確的氣管內管(endotracheal tube)位置，這種情況可能造成危險。我們開發了一種深度學習自動偵測演算法，用以在移動式X光機所拍攝的胸部X光上偵測氣管內管尖端(tip)和氣管隆突(carina)以測量氣管內管－氣管隆突之間距離。

        我們使用1,842張成人插管患者的胸部X光，由兩名專科認證的重症醫師一起對氣管內管末段(distal end)和氣管分叉(tracheal bifurcation)進行標註，開發深度學習演算法。深度學習演算法性能表現評估包含內部4折交叉驗證（4-fold cross-validation，共1,842張X光片）、外部驗證（216張）以及與11名重症臨床醫護人員比較的觀察者表現測試（462張）。

        在4折交叉驗證和外部驗證中，該演算法在測量氣管內管－氣管隆突之間距離的中位誤差（四分位距）分別為3.9 (1.8-7.1)公釐和4.2 (1.7-7.8)公釐。在觀察者表現測試中，該演算法在偵測氣管內管尖端、偵測氣管隆突和測量氣管內管－氣管隆突之間距離的中位誤差（四分位距）分別為2.6 (1.6-4.8)公釐、3.6 (2.1-5.9)公釐和4.0 (1.7-7.2)公釐，分別顯著優於6名、10名和7名臨床醫護人員的誤差（所有p<0.05），在任何比較中，並沒有任何臨床醫護人員明顯較該演算法準確。

       基於這些結果，深度學習演算法在氣管內管尖端偵測、氣管隆突偵測以及氣管內管－氣管隆突之間距離測量可以匹配甚至優於第一線重症臨床醫護人員。

參考文獻

1. Huang MH, Chen CY, Horng MH, Li CI, Hsu IL, Su CM, Sun YN, Lai CH*. Validation of a deep learning-based automatic detection algorithm for measurement of endotracheal tube to carina distance on chest radiographs. Anesthesiology. 2022 Dec 1;137(6):704-715.

2. Mao LK, Huang MH, Lai CH, Sun YN, Chen CY. Detecting endotracheal tube and carina on portable supine chest radiographs using one-stage detector with a coarse-to-fine attention. Diagnostics (Basel) 2022 Aug 7;12(8):1913.

3. 胸部X光氣管內管錯位偵測：深度學習演算法 - 新創獎

作者資訊