Evaluering af dobbelt lumenrørintubationsproblemer med fotobaseret kunstig intelligensalgoritmer

Kompleksiteten og vanskeligheden ved intubation med dobbelt lumenrør kræver anvendelse af avancerede teknologier til styring af denne procedure. Potentialet for fotobaserede kunstige intelligensalgoritmer til at forudsige og minimere de vanskeligheder, der er stødt på under intubation, er den vigtigste motivation for denne undersøgelse.

Udnyttelsen af ​​kunstig intelligensalgoritmer inden for domænet for luftvejsstyring giver et betydeligt løfte om at give feedback i realtid til anæstesiologer, forbedre effektiviteten af ​​intubationsprocedurer og reducere forekomsten af ​​komplikationer. Specifikt kan fotobaserede AI-systemer lette en mere omfattende forståelse af luftvejsanatomi ved at analysere billeder, der er fanget før og under intubation, og derved øge styringen af ​​komplekse sager. Formålet med denne undersøgelse er at undersøge effektiviteten og pålideligheden af ​​fotobaseret Kunstig intelligensalgoritmer ved evaluering af kompleksiteten af ​​intubation med et dobbelt lumenrør. Integrationen af ​​kunstig intelligens i intubationen Processen er beregnet til at forbedre patientens resultater og etablere et nyt benchmark for anæstesipraksis. Denne undersøgelse sigter mod at tackle det eksisterende hul i litteraturen og give innovative tilgange til klinisk praksis.

Der blev opnået informeret samtykke fra patienter, der gennemgik thoraxkirurgiske operationer, og demografiske data (alder, højde, kropsvægt, kropsmasseindeks, køn), American Society of Anesthesiologists (ASA) score, type drift og komorbide sygdomme (diabetes mellitus, hypertension , koronararteriesygdom, kronisk nyresygdom, kronisk obstruktiv lungesygdom, astma, obstruktiv søvnapnø) blev opnået. Thorax og/eller ekstrat oracisk malignitetshistorie), parametre, der betragtes som risikofaktorer for vanskelig intubation (historie med tidligere vanskelig intubation, citronkriterier (se eksternt, evaluering, mallampathy, obstruktion, nakkemobilitet), overlæbebittest) og fotografier af den Patienter (inklusive hoved- og halsregion) registreres i seks forskellige retninger og måder med et professionelt kamera (aktivt brugt på vores hospital) i den præoperative periode. I den intraoperative fase vil Cormack-Lehane scoringssystemet blive anvendt, og intubationsprocessen med et dobbeltlumen-rør vil blive evalueret for let eller vanskeligheder. Intraoperative komplikationer relateret til operationen vil også blive dokumenteret. Dataene behandles derefter ved hjælp af Python 3-programmeringssprog og open source-biblioteker til beregning af kunstige intelligensalgoritmer. I tilfælde af ufuldstændige patientdata vil der blive anvendt datateknikker til data til at supplere det kunstige intelligensprogram.

Undersøgelsens primære resultatvariabel er den hastighed, hvormed den fotobaserede kunstige intelligensalgoritme forudsiger, om intubation med et dobbelt lumenrør er let eller vanskeligt. ved fotobaserede kunstige intelligensalgoritmer og antallet af forudsigelse af intubation med dobbelt lumenrør ved konventionelle metoder.