Bewertung von AI -Modellen bei der Bestimmung des optimalen PEEP

Patienten, die auf der Intensivstation (ICU) mechanische Belüftungsunterstützung erhalten, die hämodynamisch stabil und über 18 Jahre alt sind, werden für die Studie als förderfähig angesehen. Diese Kriterien wurden festgelegt, um sicherzustellen, dass die Patienten eine angemessene Unterstützung der Atemwege benötigen und gleichzeitig für die individualisierte Optimierung des Beatmungsmanagements geeignet sind.

Während des Patientenauswahlprozesses werden die medizinischen Unterlagen der Intensivstäbe überprüft, und diejenigen, die die Kriterien erfüllen, werden in die Studie aufgenommen. Um die Genauigkeit klinischer Daten zu gewährleisten, wird der Patientenauswahlprozess von Spezialisten für Intensivpflege durchgeführt.

Die mechanischen Lüftungsparameter der eingeschlossenen Patienten werden systematisch aufgezeichnet. In diesem Zusammenhang werden Inspiratory Hold und Expiratory Hold Manöver angewendet, um die Atemmechanik der Patienten zu bewerten. Die aufgezeichneten Messungen umfassen die Einhaltung der Einhaltung (Lungenelastizität), Elastanz (Lungensteifigkeit), Auto-Peep (Vorhandensein von Luftfallen) und Zeitkonstante (Gasaustauschdauer).

Zusätzlich zu diesen grundlegenden Lüftungsparametern wird die Druck-Volume (P-V) -Kurve analysiert, um kritische Daten für die Lüftungsoptimierung zu sammeln. Diese Verfahren werden unter Verwendung erweiterter Analysemodule durchgeführt, die in die Intensivbeatscher und Patientenüberwachungssysteme integriert sind. Die gesammelten Daten werden während der gesamten Studie sowohl von Experten als auch von KI -Modellen für künstliche Intelligenz (KI) manuell analysiert.

In der Studie wird die Peep -Titration von Intensivspezialisten manuell durchgeführt. Dieser Prozess wird unmittelbar nach der Intubation für intubierte Patienten angewendet und täglich fortgesetzt. Das Verfahren wird gemäß einem vordefinierten Protokoll standardisiert und bei allen Patienten konsequent angewendet.

Der untere Flexionspunkt (LIP) wird identifiziert und Peep wird an dem Punkt angewendet, an dem die Alveolarrekrutierung beginnt. Dieser Schritt ist entscheidend, um den Lungenkollaps zu verhindern und eine optimale Sauerstoffversorgung zu gewährleisten. Zusätzlich wird der obere Flexionspunkt (UIP) bestimmt, um eine Überdistenzierung zu verhindern, um sicherzustellen, dass das Gezeitenvolumen unter dieser Druckschwelle bleibt. Wenn der untere Wendepunkt nicht eindeutig identifiziert wird, wird ein PEEP -Wert von ungefähr 10 cmH₂o als Standardansatz angewendet.

Die Druck-Volumen-Kurve des Beatmungsgeräts wird analysiert, um zu bewerten, ob der optimale PEEP-Niveau erreicht wurde. Wenn sich die Kurve nach oben verschiebt, wird sie als Indikator für eine erfolgreiche Alveolarrekrutierung angesehen. Wenn sich die Kurve nach rechts verlagert, zeigt sie ein Überdistenzgefahr an, was zu einer Verringerung des PEEP führt. Durch diesen Ansatz wird der am besten geeignete PEEP -Niveau für jeden Patienten bestimmt, und die Beatmungseinstellungen werden entsprechend optimiert. Diese Verfahren werden routinemäßig in unserem Krankenhaus und global angewendet und gehören zu den am häufigsten bevorzugten Methoden zur PEEP -Titration.

Alle gesammelten Lüftungsparameter werden in drei verschiedene Modelle für künstliche Intelligenz eingegeben: Chatgpt, Deepseek und Gemini. Diese Systeme werden gebeten,:

Eine optimale Empfehlung des PEEP -Spiegels für den Patienten Die Fähigkeit, abnormale Beatmungsparameter zu erkennen, drei mögliche diagnostische Vorschläge drei vorgeschlagene Behandlungsansätze Die von den KI -Modellen bereitgestellten Daten werden aufgezeichnet und mit manuellen Bewertungen von erfahrenen Intensivspezialisten verglichen. Dieser Vergleich zielt darauf ab, festzustellen, inwieweit AI -Modelle als klinische Entscheidungsunterstützungsinstrumente dienen können. Die Zuverlässigkeit, Genauigkeit und klinische Anwendbarkeit von Empfehlungen von AI-generierten Empfehlungen werden gründlich analysiert.

In der letzten Phase der Studie werden die durch KI -Modelle bestimmten PEEP -Werte mit denen verglichen, die von Intensivspezialisten mit mindestens fünf Jahren Erfahrung identifiziert wurden. Die folgenden Kriterien werden bewertet:

Übereinstimmung zwischen KI-Modellen und Expertenmeinungen zu PEEP-Ebenen (primäre Ergebnismaß) Sensitivität und Spezifität von AI bei der Erkennung abnormaler Beatmungsparameter Genauigkeit von AI-generierten Diagnosen der klinischen Anwendbarkeit von AI-empfohlenen Behandlungsansätzen