AiCR: Inteligencia artificial en parada cardíaca (AiCR)

La incidencia global de parada cardiorrespiratoria en Europa se estima en 350.000 a 700.000 casos al año. La tasa de supervivencia se estima en 10,7% para todos los trastornos del ritmo combinados.

Existen varios ejemplos de aplicación de IA en el campo médico. Ting et al han desarrollado una herramienta informática capaz de diagnosticar la presencia de retinopatía diabética con excelente potencia. En reanimación, Celi et al propusieron una herramienta capaz de predecir la necesidad de llenado vascular cristaloide durante un estado inflamatorio sistémico. En Nature en 2018, Komorowski demostró la eficacia de la IA en el manejo hemodinámico de la sepsis. En un estudio de la respuesta renal a la provocación de líquidos, Zhang et al. demostrar la eficacia de la máquina de aprendizaje.

Objetivos: Determinación de un algoritmo capaz de predecir la mortalidad de pacientes ingresados ​​en unidades de cuidados intensivos (UCI) por RCA a partir de informes de hospitalización (CRH). También uso del algoritmo para predecir el riesgo de recurrencia de la parada, la duración de la ventilación mecánica, la aparición de sepsis, el desarrollo de insuficiencia orgánica, predicción de la CPC (Cerebral Performance Category), tiempo para obtener la retirada de catecolaminas, la aparición de insuficiencia renal aguda con o sin necesidad de depuración extrarrenal (REE) y duración bajo REE, estancia media.

Este proyecto es parte de un proyecto más grande a nivel nacional y con mayor potencia, e incluye todos los datos generados durante la hospitalización en cuidados intensivos.

Método: se estima que el número total de pacientes incluidos en este estudio está entre 300 y 500. La población provendrá de las unidades de cuidados intensivos de Niza, Antibes, Cannes, Grasse.

La inclusión será retrospectiva, en CRH, CR de imágenes de TC (cerebral y toraco-abdomino-pélvica), MRI, EEG y palabras de seguimiento diarias, desde 2014 hasta finales de 2020.

Después de la anonimización, aplicación de semantización utilizando métodos de procesamiento de lenguaje natural (NLP). Los datos a extraer se introducen en un documento redactado por médicos intensivistas. Estos datos serán luego almacenados en una base de datos. Para cumplir con el objetivo principal, desarrollaremos un algoritmo informático capaz de predecir la mortalidad en la población de estudio. Este algoritmo, basado en una gran base de datos, puede diseñarse utilizando técnicas de aprendizaje automático o incluso de aprendizaje profundo según la cantidad de datos a procesar.