Wirksamkeit von Algorithmen der künstlichen Intelligenz

Einleitung Im Laufe der Menschheitsgeschichte wurden bei der Behandlung von Menschen häufig chirurgische Eingriffe eingesetzt. Trotz ihrer therapeutischen Eigenschaften können die Schmerzen der Patienten, insbesondere in der akuten postoperativen Phase, für Ärzte eine große Herausforderung darstellen. Akute postoperative Schmerzen sind ein wichtiges Problem der öffentlichen Gesundheit. Während 80 % der Patienten berichten, dass sie in der postoperativen Phase Schmerzen verspüren, verspüren 88 % von ihnen mäßige oder stärkere Schmerzen. Laut einer anderen Studie leiden mehr als 60 % der chirurgischen Patienten unter mittelschweren bis starken akuten postoperativen Schmerzen, und diese Schmerzen werden mit der Entwicklung chronischer postoperativer Schmerzen in Verbindung gebracht. Schlecht behandelte postoperative Schmerzen können zu negativen Folgen wie geringerer Patientenzufriedenheit, verzögerter Genesung des Patienten, längerer Krankenhausaufenthaltsdauer, erhöhten Pflegekosten, chronischen Schmerzen, unnötiger Opioidverschreibung, Opioidmissbrauch, Überdosierung und Tod führen. Darüber hinaus wird für eine wirksame Schmerzbehandlung häufig die Methode der präventiven Schmerzbehandlung vor Beginn der Schmerzen eingesetzt. Diese Situation kann jedoch bei vielen Patienten zu einer unnötigen Medikamentenverabreichung und in der Folge zu vielen unerwünschten Ereignissen wie Blutungen, Atemdepression, kardialen Ereignissen oder gastrointestinalen Nebenwirkungen von Opioiden, nichtsteroidalen entzündungshemmenden Arzneimitteln und anderen Analgetika führen. Infolgedessen führt die Schwierigkeit, akute postoperative Schmerzen vorherzusagen, zu einer suboptimalen Schmerzbehandlung. Daher wird die Möglichkeit, vorherzusagen, welche Patienten unter mittelschweren bis starken akuten postoperativen Schmerzen leiden werden, das Risiko-Nutzen-Verhältnis perioperativer Analgetikabehandlungen optimieren und sicherstellen, dass eine angemessene Behandlung erfolgt. Obwohl in verschiedenen Studien zu diesem Thema versucht wurde, postoperative Schmerzen mithilfe einer logistischen Regressionsanalyse vorherzusagen, wurde das gewünschte Ergebnis bisher nicht erreicht. Diese Situation wird noch wichtiger bei Operationen, bei denen in der postoperativen Phase ein hohes Risiko für starke Schmerzen besteht, wie beispielsweise bei einer Lungenresektion. Um postoperative Lungenkomplikationen bei Patienten nach einer Lungenresektion zu reduzieren bzw. zu verhindern, ist es sehr wichtig, dass die Patienten schmerzfrei husten und so Sekrete aus den Atemwegen entfernen können. Wenn keine ausreichende Analgesie bereitgestellt wird, können diese Patienten diese nicht effektiv durchführen. Dies erhöht die Komplikationen, den Krankenhausaufenthalt und die Kosten für die Patientenversorgung. Um diese negativen Situationen zu verhindern und eine optimale Analgesie zu gewährleisten, sind neue Methoden zur Vorhersage des postoperativen Schmerzniveaus erforderlich. In Studien wurden zahlreiche Modelle vorgeschlagen, um die Risikofaktoren zu verstehen, die schwere akute postoperative Schmerzen verschlimmern. Der Großteil der Forschung in diesem Bereich konzentrierte sich auf die Bestimmung von Risikofaktoren für postoperative Schmerzen mithilfe statistischer Methoden. Frühere Studien legen nahe, dass Modelle des maschinellen Lernens lineare statistische Modelle bei der Klassifizierung postoperativer schmerzbedingter Ergebnisse übertreffen können, wenn ähnliche Merkmale berücksichtigt werden. Daher handelt es sich bei Algorithmen der künstlichen Intelligenz (KI) um Algorithmen, die komplexe Daten mit Hunderten von Variablen kombinieren und analysieren, neue Ergebnisse liefern und eine effektive Lösung für die Vorhersage und Verwaltung des postoperativen Prozesses liefern können. Frühere Studien haben vielversprechende Ergebnisse bei der Vorhersage akuter postoperativer Schmerzen mit einer Fläche unter der Kurve (AUC) von 0,70 mithilfe von Algorithmen der künstlichen Intelligenz gezeigt, um Schmerzen anhand perioperativer Daten vorherzusagen. Allerdings sind Studien zu diesem Thema bei einem bestimmten chirurgischen Eingriff wie der Lungenresektion erforderlich, der möglicherweise zu starken Schmerzen führt.

Ziel dieser Studie war es, postoperative Schmerzen durch die Analyse perioperativer Daten mithilfe von KI-Algorithmen bei Lungenresektionen vorherzusagen und die Wirksamkeit von KI-Algorithmen in dieser Hinsicht zu bestimmen. Ziel war es daher, den unnötigen Einsatz von Analgetika bei Patienten zu reduzieren, mögliche Nebenwirkungen dieser Medikamente zu beseitigen und bei Patienten mit hohem Schmerzrisiko rechtzeitig mit einer wirksamen Analgetikabehandlung zu beginnen.

Zweck/Hypothese:

Ziel dieser Studie war es, postoperative Schmerzen durch die Analyse perioperativer Daten mithilfe von KI-Algorithmen bei Lungenresektionen vorherzusagen und die Wirksamkeit von KI-Algorithmen in dieser Hinsicht zu bestimmen.

H0: Algorithmen der künstlichen Intelligenz sind bei der Vorhersage postoperativer Schmerzen bei Lungenresektionen nicht effektiv.

H1: Algorithmen der künstlichen Intelligenz sind wirksam bei der Vorhersage postoperativer Schmerzen bei Lungenresektionen.

Material-Methode:

Diese Studie wird in Übereinstimmung mit der Deklaration von Helsinki durchgeführt und nach Genehmigung durch die Ethikkommission im SBÜ Ankara Atatürk Sanatorium Training and Research Hospital durchgeführt. Bei unserer Studie handelt es sich um eine retrospektive Studie. Retrospektiv erhobene Patientendaten werden prospektiv mit Algorithmen der künstlichen Intelligenz ausgewertet.