眾所周知，醫(yī)生很難識別正在感染的傷口。臨床體征和癥狀不精確，并且識別細(xì)菌的方法可能非常耗時且難以獲得，因此診斷可能是主觀的并且依賴于臨床醫(yī)生的經(jīng)驗(yàn)。但如果不及時治療，感染可能會阻礙愈合或擴(kuò)散到體內(nèi)，從而使患者的健康面臨嚴(yán)重危險。一個由科學(xué)家和臨床醫(yī)生組成的國際團(tuán)隊(duì)認(rèn)為他們已經(jīng)找到了解決方案：通過智能手機(jī)或平板電腦應(yīng)用程序運(yùn)行的設(shè)備，可以對傷口進(jìn)行高級成像以識別感染。
“傷口護(hù)理是當(dāng)今對患者和我們整個醫(yī)療保健系統(tǒng)最昂貴且最容易被忽視的威脅之一，”西部大學(xué)和斯威夫特醫(yī)療公司的羅伯特·弗雷澤說，他是《醫(yī)學(xué)前沿》上發(fā)表的這項(xiàng)研究的通訊作者。“臨床醫(yī)生需要更好的工具和數(shù)據(jù)來最好地為遭受不必要痛苦的患者提供服務(wù)。”
揭示傷病情況
科學(xué)家們開發(fā)了一種名為 Swift Ray 1 的設(shè)備，它可以連接到智能手機(jī)并連接到 Swift Skin and Wound 軟件。它可以拍攝醫(yī)療級照片、紅外熱成像圖像(測量體溫)和細(xì)菌熒光圖像(使用紫光顯示細(xì)菌)。
這些圖像都不足以單獨(dú)識別感染。臨床檢查的準(zhǔn)確性較低，熱成像技術(shù)測量炎癥和感染引起的熱量變化也是如此。細(xì)菌熒光只能觀察自然被細(xì)菌污染的傷口表面，因此需要額外的方法來區(qū)分污染和感染的傷口。
該研究的第一作者、麥吉爾大學(xué)健康中心的 Jose Ramirez-GarciaLuna 博士解釋說：“研究表明，細(xì)菌成像有助于指導(dǎo)臨床醫(yī)生去除死組織，但它本身無法識別感染。” “熱成像可以深入了解皮膚下發(fā)生的炎癥和循環(huán)變化。”
科學(xué)家們試圖將這些方式結(jié)合起來，提出一種不需要多種昂貴設(shè)備、克服每種成像方法的弱點(diǎn)、并且可以提供傷口愈合的客觀測量方法的方法。
為了測試他們的設(shè)備，他們招募了 66 名受傷患者。他們的傷口沒有顯示感染進(jìn)一步擴(kuò)散的跡象，不含有異物，并且之前沒有接受過抗生素或生長因子治療?；颊叩膫谠诔上袂氨唤议_、清潔和干燥，然后像往常一樣進(jìn)行護(hù)理。
健康的圖片
這些圖像由一位沒有參與傷口護(hù)理過程的研究人員進(jìn)行了審查。確定了四種模式。
傷口不比健康皮膚溫暖并且不存在細(xì)菌熒光的傷口被認(rèn)為是“非發(fā)炎的”，而比健康皮膚稍微溫暖并且沒有或輕微細(xì)菌熒光的傷口被認(rèn)為是“發(fā)炎的”。最后兩種模式——明顯變暖的傷口，有或沒有細(xì)菌熒光——都被指定為“感染”，因?yàn)樗袡z查過這些傷口的臨床醫(yī)生都認(rèn)為它們被感染了。
在 66 處傷口中，20 處被認(rèn)為是非發(fā)炎傷口，26 處被認(rèn)為是發(fā)炎傷口，20 處被認(rèn)為是感染傷口。
研究人員進(jìn)行了主成分分析，并使用一種稱為最近 k 鄰域聚類的算法來觀察機(jī)器學(xué)習(xí)模型是否能夠準(zhǔn)確識別這些不同類別的傷口。他們發(fā)現(xiàn)該模型可以很好地識別這三者，總體準(zhǔn)確率為 74%。在區(qū)分感染傷口和未感染傷口時，該模型正確識別了 100% 的感染傷口和 91% 的非感染傷口。
盒子里有一個新工具
研究人員指出，應(yīng)始終在醫(yī)學(xué)背景下考慮這些圖像。例如，如果傷口溫度足夠低，可以歸類為非發(fā)炎，那么其血液供應(yīng)可能會受到限制，從而影響愈合。
但由于 Swift Ray 1 與 Swift Skin and Wound 軟件相結(jié)合，允許醫(yī)生結(jié)合多種識別感染的方式，因此增加了他們可用的工具，而無需使用多種昂貴的設(shè)備。未來，它可以為每位受傷患者提供快速、準(zhǔn)確的診斷，并實(shí)現(xiàn)更有效的遠(yuǎn)程醫(yī)療評估。
“這是一項(xiàng)試點(diǎn)研究，后續(xù)研究正在計(jì)劃中，”弗雷澤警告說。“未來，需要對具有更多傷口類型的患者群體進(jìn)行跨人群驗(yàn)證。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！