Evaluación de modelos de IA para determinar el PEEP óptimo

Los pacientes que reciben apoyo de ventilación mecánica en la Unidad de Cuidados Intensivos (UCI), que son hemodinámicamente estables y mayores de 18 años, serán considerados elegibles para el estudio. Estos criterios se han establecido para garantizar que los pacientes requieran un apoyo respiratorio adecuado mientras son adecuados para la optimización de manejo del ventilador individualizado.

Durante el proceso de selección del paciente, se revisarán los registros médicos de los pacientes con la UCI, y aquellos que cumplan con los criterios se incluirán en el estudio. Para garantizar la precisión de los datos clínicos, el proceso de selección del paciente será llevado a cabo por especialistas en cuidados intensivos.

Los parámetros de ventilación mecánica de los pacientes incluidos se registrarán sistemáticamente. En este contexto, se aplicarán maniobras inspiratorias y maniobras de espera espiratoria para evaluar la mecánica respiratoria de los pacientes. Las mediciones registradas incluirán el cumplimiento (elasticidad pulmonar), la elastancia (rigidez pulmonar), la auto-poca (presencia de la captura de aire) y la constante de tiempo (duración del intercambio de gases).

Además de estos parámetros de ventilación fundamental, se analizará la curva de presión-volumen (P-V) para recopilar datos críticos para la optimización de ventilación. Estos procedimientos se realizarán utilizando módulos de análisis avanzados integrados en ventiladores de la UCI y sistemas de monitoreo de pacientes. Los datos recopilados serán analizados tanto manualmente por expertos y modelos de inteligencia artificial (IA) durante todo el estudio.

En el estudio, la titulación PEEP será realizada manualmente por especialistas en cuidados intensivos. Este proceso se aplicará inmediatamente después de la intubación para pacientes intubados y continuará diariamente. El procedimiento se estandarizará de acuerdo con un protocolo predefinido y se aplicará de manera consistente en todos los pacientes.

Se identificará el punto de inflexión más bajo (LIP), y PEEP se aplicará en el punto donde comienza el reclutamiento alveolar. Este paso es fundamental para prevenir el colapso pulmonar y garantizar la oxigenación óptima. Además, el punto de inflexión superior (UIP) se determinará para evitar la sobreistensión, asegurando que el volumen de marea permanezca por debajo de este umbral de presión. Si el punto de inflexión más bajo no se identifica claramente, se aplicará un nivel PEEP de aproximadamente 10 CMH₂O como un enfoque estándar.

La curva de presión-volumen del ventilador se analizará para evaluar si se ha logrado el nivel de PEEP óptimo. Si la curva cambia hacia arriba, se considerará un indicador de un reclutamiento alveolar exitoso. Si la curva cambia hacia la derecha, indicará un riesgo de sobreistensión, lo que provocará una reducción en PEEP. Mediante este enfoque, se determinará el nivel PEEP más adecuado para cada paciente, y la configuración del ventilador se optimizará en consecuencia. Estos procedimientos se aplican de manera rutinaria en nuestro hospital y a nivel mundial y se encuentran entre los métodos más comúnmente preferidos para la titulación PEEP.

Todos los parámetros de ventilación recopilados se ingresarán en tres modelos diferentes de inteligencia artificial: ChatGPT, Deepseek y Gemini. Se pedirá a estos sistemas que proporcionen:

Una recomendación óptima de nivel PEEP para el paciente La capacidad de detectar parámetros de ventilación anormales tres posibles sugerencias de diagnóstico Tres enfoques de tratamiento propuestos Los datos proporcionados por los modelos de IA se registrarán y compararán con las evaluaciones manuales realizadas por especialistas con experiencia en UCI. Esta comparación tiene como objetivo determinar en qué medida los modelos de IA pueden servir como herramientas de soporte de decisiones clínicas. Se analizará a fondo la fiabilidad, precisión y aplicabilidad clínica de las recomendaciones generadas por IA.

En la fase final del estudio, los niveles de PEEP determinados por los modelos de IA se compararán con los identificados por especialistas en la UCI con al menos cinco años de experiencia. Se evaluarán los siguientes criterios:

Acuerdo entre los modelos de IA y las opiniones de expertos sobre los niveles de PEEP (medida de resultado primaria) Sensibilidad y especificidad de la IA en la detección de los parámetros de ventilación anormales Precisión de diagnósticos generados por IA La aplicabilidad clínica de los enfoques de tratamiento recomendados por la IA