"Nicht-invasive Blutdrucküberwachung auf AI-basierter Im Vergleich zur invasiven arteriellen Messung" (NICONPRESS-1)

Das intraoperative Blutdruckmanagement spielt eine entscheidende Rolle bei der Verhinderung postoperativer Komplikationen, einschließlich Organfunktionsstörungen. Während oszillometrische intermittierende nichtinvasive Techniken bei den meisten chirurgischen Patienten den Standard für die Blutdrucküberwachung sind, können sie möglicherweise nicht rasch hämodynamische Schwankungen erfassen, insbesondere während hoher Risiko-Perioden wie Induktion, Intubation und plötzlichen Positionierungsänderungen. In diesen Fällen wird häufig eine kontinuierliche Überwachung des arteriellen Blutdrucks (IABP) für die hämodynamische Überwachung in Echtzeit verwendet. Die IABP -Überwachung birgt jedoch Risiken, einschließlich Blutungen, Thrombose, Hämatom, arterieller Okklusion und Blutkreislaufinfektionen. Die berichtete Raten der Radialarterienzahlen erreichen in bis zu 15% der Fälle bis zu 19,7% und katheterbedingte Komplikationen wie Hämatom oder Blutungen.

Es besteht ein zunehmender Nachfrage nach nichtinvasiven kontinuierlichen Blutdrucküberwachungstechnologien (NCBPM), um solche Komplikationen zu vermeiden. Photoplethysmography (PPG), abgeleitet aus Pulsoximetern, hat sich als vielversprechende nichtinvasive Technik herausgestellt. PPG -Wellenformen spiegeln periphere Perfusionsveränderungen wider und bieten Einblicke in die Herzzyklusdynamik. Die eigenständige PPG-basierte Schätzung ist jedoch durch ihre Abhängigkeit von peripherem Gefäßton, Bewegungsartefakten und mangelnder elektrischer Herzdaten begrenzt.

Um diese Einschränkungen zu überwinden, schlägt diese Studie einen hybriden Ansatz unter Verwendung synchronisierter Photoplethysmographie (PPG) und Elektrokardiographie (EKG) -Signale vor, die mit der basierten Wellenformanalyse für künstliche Intelligenz (AI) verbessert werden. Diese Kombination zielt darauf ab, die Genauigkeit und zeitliche Auflösung einer nichtinvasiven kontinuierlichen Blutdrucküberwachung zu verbessern. Das vorgeschlagene Verfahren, als CPEs (kombinierte Impulsoximeter und EKG -Signale) bezeichnet, basiert auf der Hypothese, dass die Integration von elektrischen (EKG) und optischen (ppg) Signalen eine bessere Modellierung der arteriellen Pulswellengeschwindigkeit (PWV), Pulse -Transit -Zeit (PTT) und Hämodynam -Parameter des Puls -Transits ermöglicht.

Das Studiendesign beinhaltet die intraoperative Echtzeit-Aufzeichnung von PPG- und EKG-Signalen bei Patienten, die sich unter Vollnarkose einer elektiven Operation unterzogen haben, mit gleichzeitiger IABP-Überwachung durch Radialarterienkatheterisierung. PPG-Wellenformen werden unter Verwendung eines Standard-Pulsoximeters mit rotem/infrarktem Doppelwellenlängen (660 nm und 940-960 nm) erfasst, und das EKG wird unter Verwendung einer kontinuierlichen Überwachung der 3-Lead-Überwachung gesammelt. Die Synchronisation wird unter Verwendung eines Zeitstempelalgorithmus sichergestellt. Die Datenerfassung erfolgt in verschiedenen intraoperativen Phasen: Grundlinie (Vorinteriduktion), Induktion, Intubation, Wartung und Positionsinterventionen (± 15 ° Trendelenburg und Reverse Trendelenburg).

Das primäre Ergebnis ist die Übereinstimmung zwischen CPES-abgeleiteten systolischen und diastolischen Blutdruckwerten und gleichzeitig aufgezeichneten invasiven Blutdruckwerten, die durch Bland-Altman-Analyse bewertet wurden. Die klinische Genauigkeit wird durch Vergleich des mittleren absoluten Fehlers (MAE) und des Quadratfehlers (RMSE) mit dem AAMI/ANSI/ISO 81060-2-Standard bestimmt, der eine mittlere Differenz von ≤ 5 mmHg und eine Standardabweichung von ≤ 8 mmHg erfordert.

Die sekundären Ergebnisse umfassen:

Fähigkeit des CPES -Systems, schnelle Blutdruckänderungen (ΔSBP, ΔDBP) während der Induktion und der Manipulation der Atemwege zu verfolgen.

Bewertung der Positionseffekte auf die Genauigkeit der Blutdruckschätzung unter Verwendung gepaarter Positionsvergleiche.

Explorative Modellierung abgeleiteter hämodynamischer Parameter (z. B. PTT, HRV, PWV) und deren Korrelationen mit der Morphologie der arteriellen Wellen und der invasiven BP -Metriken.

Die Signalverarbeitung beinhaltet die Entfernung von Artefakten, die Beschlagerkennung, Normalisierung und Segmentierung. Die Merkmalextraktion umfasst Zeitdomäne, Frequenzdomäne und morphologische Merkmale sowohl von PPG als auch von EKG. Maschinelles Lernmodelle (z. B. Gradientenhöhung, LSTM oder Faltungsnetzwerke) können im Datensatz geschult werden, um die prädiktive Leistung zu verbessern.

Diese Studie zielt darauf ab zu zeigen, dass die Kombination von elektrischen und optischen Signalen klinisch akzeptable Blutdruckmessungen nichtinvasiv liefern, die Sicherheit der Patienten verbessern und die Notwendigkeit invasiven Linien verringern können. Bei Validierung könnte dieser Ansatz in bestehende Operationssaal-Monitore integriert werden, wodurch der Zugang zu kontinuierlicher BP-Überwachung in routinemäßigen und ressourcenbegrenzten Einstellungen erweitert wird.