Externí validace algoritmu predikce pomocí neinvazivního monitorovacího zařízení pro intraoperační hypotenzi

Hypotenze, která se vyskytuje během chirurgického zákroku, je spojena se špatnou prognózou pacientů po operaci. Předchozí studie uvádějí, že i krátká doba hypotenze zvyšuje riziko pooperačních komplikací, jako je poškození ledvin. Pokud dokážeme předpovídat intraoperační hypotenzi předem, můžeme poškození zabránit nebo minimalizovat.

Nedávno existuje mnoho zpráv o modelech lékařské umělé inteligence, které předpovídají intraoperační hypotenzi. Mezi nimi byl model indexu hypotenze predikce (HPI) již komercializován a používán v klinické praxi. HPI však má omezení v tom, že je nutné provádět invazivní techniky (arteriální kanylaci) nebo používat vyhrazené zařízení za vysoké náklady. Protože se však mnoho z obecné anestézie provádí bez invazivních monitorovacích zařízení, používání zdravotnických prostředků HPI podléhá značným omezením.

We have reported the prediction algorithm for intraoperative hypotension using five non-invasive monitoring devices commonly used in general anesthesia: 1) blood pressure (NBP, number), 2) electrocardiogram (ECG, waveform), 3) end-oxygen saturation waveform (PPG, waveform), 4) end-stage carbon dioxide waveform (ETCO2, waveform), and 5) an anesthesia depth (BIS, číslo) Provedením retrospektivního procesu externího validace pomocí veřejných klinických údajů z jiných institucí (Seoul National University Hospital) byl konečný model schopen mít dobrou předvídatelnost s oblastí pod přijímací charakteristickou křivkou (AUROC) 0,917.

Tento algoritmus jsme však neověřovali prostřednictvím budoucí studie navržené. Tato studie má v úmyslu externě ověřit „model predikce hypertenze během chirurgického zákroku pomocí neinvazivního monitorovacího zařízení“, který již uvedl, že se očekává, že užitečnost a omezení modelu predikce lze znovu vyhodnotit a model může být pokročilý na základě výsledků.