Præ-anæstesi Billedbehandlingsbaseret respiratorisk vurdering og analyse

Anæstesi respiratorisk vurdering er et vigtigt spørgsmål for anæstesilæger til at evaluere respirationsstatus og luftvejsbehandling af patienter før operation. American Society of Anesthesiologists (ASA) opdaterede sine retningslinjer i 2022 og understregede vigtigheden af ​​en omfattende respiratorisk vurdering i retningslinjerne.

Forskellige risikofaktorer er blevet foreslået i tidligere litteratur til diskussion, og svarende til disse risikofaktorer er der i øjeblikket ingen enkelt faktor, der kan forudsige vanskelig intubation fuldstændigt. Eksisterende undersøgelser af vanskelige intubationsfaktorer fokuserer for det meste på højrisikopopulationer, herunder patienter med sygelig fedme, hvor signifikante forskelle er blevet identificeret, men ikke udviklet til prædiktive modeller.

Med den hurtige udvikling af AI-relaterede teknologier i de seneste år, er adskillige billedrelaterede AI-rammer blevet foreslået. I de senere år er der blevet gjort forsøg på at kombinere forskellige kliniske risikofaktorer ved hjælp af maskinlæringsmetoder til at skabe automatiserede forudsigelsesmodeller for vanskelig intubation. Deres effektivitet har dog ikke levet op til forventningerne, hvilket afspejler det betydelige kliniske problem med vanskeligheder med forudsigelse, der forbliver uløste.

Denne undersøgelse er et observationsstudie, der sigter på at analysere og etablere patientbillededata, forfine forskellige datateknologiske teknikker og optimere eksisterende forudsigelsesmodelrammer for at øge deres medicinske værdi. Derudover vil fokus i dette projekt være på at etablere flere forudsigelsesmodeller for at forbedre eksisterende kliniske beslutningsstøttesystemer.