Vorhersage der Tiefe des Endotrachealtubus mithilfe von Deep Convolutional Neural Networks

Hierbei handelte es sich um eine retrospektive, vom IRB genehmigte Studie, bei der Röntgenbilder des Brustkorbs aus dem Picture Archive and Communication System (PACS) des Chang Gung Memorial Hospital, Zweigstelle Linkou, Taiwan, verwendet wurden.

Für diese Studie wurden insgesamt 595 nicht identifizierte Röntgenaufnahmen des Brustkorbs von Patienten angefertigt. Die Einschlusskriterien für diese Studie sind Patienten ab 18 Jahren, die zwischen November 2019 und Oktober 2020 orotracheal intubiert wurden und vor und unmittelbar nach der Intubation (<24 Stunden) Röntgenaufnahmen des Brustkorbs angefertigt hatten. Es wurden sowohl vor als auch nach der Intubation Röntgenaufnahmen des Brustkorbs desselben Patienten angefertigt. Klinische Daten wie Alter, Geschlecht, Körpergröße, Körpergewicht und Tiefe der ETT-Fixierung wurden ebenfalls aufgezeichnet. Der gesamte Abstand zwischen ETT-Spitze und Karina wurde von demselben Anästhesisten anhand von Post-Intubationsfilmen manuell gemessen und dokumentiert. Die Länge von Lippe zu Karina jedes Patienten kann berechnet werden, indem die ETT-Fixierungstiefe und der Abstand von ETT-Spitze zu Karina addiert werden.

Zur Modellerstellung werden Röntgenaufnahmen des Brustkorbs vor der Intubation (n = 595) sowie klinische Daten wie Alter, Geschlecht, Körpergröße, Körpergewicht und die gemessene Länge von Lippe bis Karina gesammelt. Für diese Studie wurden 476/595 (80 %) davon für das Training und 119/595 (20 %) für die Validierung verwendet, die zufällig durch ein KI-Modell ausgewählt wurden. Im Trainingsprozess werden Bilder und zugehörige klinische Daten zusammen mit der gemessenen Länge von Lippe bis Karina eingespeist und zur Anpassung des KI-Modells verwendet. Anschließend bewerten die Forscher im Validierungsprozess die Modellgenauigkeit und Wirksamkeit der Vorhersage der Länge von Lippe bis Karina anhand von Bildern und klinischen Daten dieser unvorhergesehenen Fälle.