Forudsigelse af neuromuskulær restitution hos kirurgiske patienter ved hjælp af maskinlæring (PINES)

Formålet med PINES-projektet er at identificere en model, der nøjagtigt kan forudsige 1) tid til fuldstændig neuromuskulær restitution, 2) optimal timing og dosis af neuromuskulære blokerende midler på hvert tidspunkt under operationen og 3) TOF-forhold ved den estimerede slutning af operation for at vurdere resterende lammelser. Endvidere vil et prospektivt klinisk pilotstudie blive udført for at sammenligne anæstesiolog-forudsagt neuromuskulær genopretning med algoritmens.

Projektet består af to hovedmål:

I. Big data analyse

• Etablering af datavarehus: Elektroniske registerdata vil blive brugt.
• Generering af forudsigelsesmodeller: Klassifikationsmodeller vil først blive brugt til at identificere og vægte de relevante parametre indsamlet under præmedicinering og intraoperativt. Disse vil danne grundlag for træningskohorten, som derefter kan bruges til at udføre en simuleret realtidsanalyse af dataene. For at sammenligne modellerne beregnes tabsfunktionerne betyder kvadratisk fejl, middel absolut fejl og Huber Loss.

II. Prospektiv sammenligning af forudsigelsen: maskinlæringsmodel vs. anæstesiolog

Ved at bruge den validerede endelige forudsigelsesmodel med den bedste nøjagtighed vil vi udføre et prospektivt klinisk pilotstudie. Kohorten vil omfatte prospektivt tilmeldte kirurgiske patienter, som vil blive analyseret af forudsigelsesmodellen samt en erfaren anæstesiolog. Operationer, der kræver neuromuskulær blokering af et ikke-depolariserende neuromuskulært blokerende middel, vil blive inkluderet. En anæstesilæge vil prospektivt estimere tiden til neuromuskulær restitution i 10-minutters intervaller begyndende med den indledende dosis af neuromuskulært blokerende middel ved anæstesi-induktion. Overensstemmelse mellem forudsigelser og objektivt målt tid til TOF-forhold >0,95 vil blive vurderet ved hjælp af inter-rater korrelationskoefficienter.