"Monitoreo de presión arterial no invasivo basado en IA en comparación con la medición arterial invasiva" (NICONPRESS-1)

El manejo intraoperatorio de la presión arterial juega un papel fundamental en la prevención de complicaciones postoperatorias, incluida la disfunción de los órganos. Si bien las técnicas no invasivas intermitentes oscilométricas son el estándar para el monitoreo de la presión arterial en la mayoría de los pacientes quirúrgicos, pueden no poder capturar fluctuaciones hemodinámicas rápidas, especialmente durante períodos de alto riesgo, como inducción, intubación y cambios de posicionamiento repentino. En estos casos, el monitoreo continuo de la presión arterial invasiva (IABP) a menudo se usa para la vigilancia hemodinámica en tiempo real. Sin embargo, el monitoreo de IABP conlleva riesgos, como hemorragia, trombosis, hematoma, oclusión arterial e infecciones del torrente sanguíneo. Las tasas de trombosis de la arteria radial informadas alcanzan hasta el 19,7%, y las complicaciones relacionadas con el catéter, como el hematoma o el sangrado, se producen en hasta el 15% de los casos.

Existe una creciente demanda de tecnologías no invasivas de monitoreo de la presión arterial continua (NCBPM) para evitar tales complicaciones. La fotopletismografía (PPG), derivada de los oxímetros de pulso, se ha convertido en una técnica prometedora no invasiva. Las formas de onda PPG reflejan cambios de perfusión periférica y ofrecen información sobre la dinámica del ciclo cardíaco. Sin embargo, la estimación basada en PPG independiente está limitada por su dependencia del tono vascular periférico, los artefactos de movimiento y la falta de datos cardíacos eléctricos.

Para superar estas limitaciones, este estudio propone un enfoque híbrido utilizando señales sincronizadas de fotopletismografía (PPG) y electrocardiografía (ECG), mejoradas con análisis de forma de onda basado en inteligencia artificial (IA). Esta combinación tiene como objetivo mejorar la precisión y la resolución temporal del monitoreo no invasivo de la presión arterial continua. El método propuesto, denominado CPE (señales combinadas de oxímetro de pulso y ECG), se basa en la hipótesis de que las señales integradoras de electricidad (ECG) y óptica (PPG) permitirán un mejor modelado de la velocidad de la onda de pulso arterial (PWV), el tiempo de tránsito de pulso (PTT) y los parámetros hemodinámicos subrogados.

El diseño del estudio incluye el registro intraoperatorio en tiempo real de las señales de PPG y ECG en pacientes sometidos a cirugía electiva bajo anestesia general con monitoreo concurrente de IABP a través del cateterismo de la arteria radial. Las formas de onda PPG se adquirirán utilizando un oxímetro de pulso de longitud de doble longitud rojo/infrarrojo estándar (660 nm y 940-960 nm), y el ECG se recolectará utilizando un monitoreo continuo de 3 derivaciones. La sincronización se garantizará utilizando un algoritmo de estampado de tiempo. La adquisición de datos ocurrirá durante fases intraoperatorias distintas: línea de base (preinducción), inducción, intubación, mantenimiento e intervenciones posicionales (± 15 ° Trendelenburg y Reverse Trendelenburg).

El resultado primario es el acuerdo entre los valores de presión arterial sistólicos y diastólicos derivados de CPES y los valores de presión arterial invasivos registrados simultáneamente, evaluados mediante el análisis Bland-Altman. La precisión clínica se determinará comparando el error absoluto medio (MAE) y el error cuadrado medio de la raíz (RMSE) con el estándar AAMI/ANSI/ISO 81060-2, que requiere una diferencia media de ≤5 mmHg y desviación estándar de ≤8 mmHg.

Los resultados secundarios incluyen:

Capacidad del sistema CPES para rastrear cambios rápidos de presión arterial (ΔSBP, ΔDBP) durante la inducción y la manipulación de las vías respiratorias.

Evaluación de los efectos posicionales sobre la precisión de la estimación de la presión arterial utilizando comparaciones posicionales emparejadas.

Modelado exploratorio de parámetros hemodinámicos derivados (por ejemplo, PTT, HRV, PWV) y sus correlaciones con la morfología de las ondas arteriales y las métricas invasivas de la PA.

El procesamiento de la señal implicará la eliminación de artefactos, la detección de ritmo, la normalización y la segmentación. La extracción de características incluirá el dominio del tiempo, el dominio de frecuencia y las características morfológicas de PPG y ECG. Los modelos de aprendizaje automático (por ejemplo, impulso de gradiente, LSTM o redes neuronales convolucionales) pueden estar capacitados en el conjunto de datos para mejorar el rendimiento predictivo.

Este estudio tiene como objetivo demostrar que combinar señales eléctricas y ópticas puede producir mediciones de presión arterial clínicamente aceptables de manera no invasiva, mejorando la seguridad del paciente y reduciendo la necesidad de líneas invasivas. Si se validan, este enfoque podría integrarse en los monitores de sala de operaciones existentes, ampliando el acceso al monitoreo continuo de BP en configuraciones de rutina y de recursos limitados.