AI-assisteret røntgenbillede af brystet til forkert placeret endotracheal og nasogastriske rør og pneumothorax i nødsituationer og kritisk plejeindstillinger

Baggrundsfremskridt inden for kunstig intelligens (AI) har drevet betydelige gennembrud i computerstøttet detektion (CAD) til røntgenbillede af brystet. National Taiwan University Hospital (NTUH) forskerteam udviklede tidligere et AI-baseret nødsituation Capstone CXR-system (de fleste 111-2634-F-002-015-, Capstone-projekt), hvilket førte til oprettelse af et røntgenmodul med brystet. Dette røntgenmodul fra brystet har en etableret model understøttet af omfattende forskning og er klar til direkte anvendelse i kliniske forsøg uden at kræve yderligere modeluddannelse. Denne undersøgelse vil anvende tre undermoduler af systemet: påvisning af forkert placerede endotracheale rør, påvisning af forkert placerede nasogastriske rør og identifikation af pneumothorax.

Formål Denne undersøgelse sigter mod at anvende et røntgen-CAD-system i realtid i brystet i nødsituationer og kritisk plejeindstillinger for at evaluere dets kliniske og økonomiske fordele uden at kræve yderligere bryst-røntgenundersøgelser eller ændre standardpleje og procedurer. Undersøgelsen vil evaluere CAD-systemets indflydelse på dødelighedsreduktion, komplikationer efter intubation, hospitalets opholdsvarighed, arbejdsbyrde og fortolkningstid sammen med en omkostningseffektivitetssammenligning med standardpleje.

Metoder Denne undersøgelse vedtager en pilotforsøg og klynge randomiseret kontrolleret forsøgsdesign med tilfældig tildeling udført på afdelingsniveau. I interventionsgruppen får enheder adgang til AI -diagnostiske resultater, mens kontrolgruppen fortsætter standardplejepraksis. Samtykke opnås fra deltagende læger, beboere og sygeplejersker til avancerede praksis i hver deltagende afdeling. Når samtykke er sikret, vil disse sundhedsudbydere i interventionsgruppen blive autoriseret til at bruge CAD -systemet. Interventionsenheder har adgang til AI-genererede fortolkninger, mens kontrolenheder opretholder rutinemæssige medicinske procedurer uden adgang til AI-diagnostiske output.

Resultater Undersøgelsen blev finansieret i september 2024. Dataindsamling forventes at vare fra januar 2025 til december 2027.

Konklusioner Denne undersøgelse forventer, at røntgen-CAD-systemet i realtid brystet automatiserer identifikationen og påvisning af forkert placeret endotracheal og nasogastriske rør på røntgenstråler i brystet samt hjælper klinikere med at diagnosticere pneumothorax. Ved at reducere arbejdsbyrden for læger forventes systemet at forkorte den tid, der kræves til at opdage forkert placering og pneumothorax, mindske patientdødelighed og hospitalophold og i sidste ende lavere omkostninger til sundhedsydelser.