Framework de Aprendizaje Profundo para la Predicción Continua de la Profundidad de la Anestesia
Validación de un Marco de Aprendizaje Profundo para la Predicción Continua de Respuestas Farmacodinámicas y Trayectorias Fisiológicas Durante la Anestesia General
La integración de la Inteligencia Artificial (IA) en anestesiología ofrece el potencial de cambiar el monitoreo del paciente de reactivo a predictivo. Las arquitecturas de aprendizaje profundo, específicamente las redes de Memoria a Largo y Corto Plazo (LSTM), sobresalen en el procesamiento de datos complejos de series temporales para predecir futuros estados clínicos.
Si bien los modelos PK/PD estándar (como el modelo Eleveld de vanguardia para Propofol y Remifentanilo) estiman las concentraciones del fármaco en el sitio objetivo (Ce), no tienen en cuenta las respuestas dinámicas específicas del paciente en tiempo real. Este estudio tiene como objetivo implementar un marco de IA diseñado para predecir futuros estados fisiológicos.
Descripción general del estudio
Estado
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Hugo Carvalho, MD, PhD
- Número de teléfono: +32 50 45 24 19
- Correo electrónico: hugo.nogueiracarvalho@azsintjan.be
Ubicaciones de estudio
-
-
-
Bruges, Bélgica, 8000
- AZ Sint-Jan AV
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Pacientes programados para cirugía electiva que requiera anestesia general.
- Procedimientos que requieran monitorización continua de la profundidad anestésica (BIS).
Criterios de exclusión:
- Procedimientos en los que el plan anestésico principal no incluya la captura continua de datos electrónicos.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
|---|
|
Prospectivo
Cohorte Prospectiva
|
|
Retrospectivo
Cohorte Retrospectiva
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Error de calibración del cono de incertidumbre predictiva
Periodo de tiempo: Continuo - Perioperatorio
|
Error de calibración del cono de incertidumbre predictiva - El error de calibración del cono de incertidumbre predictiva es la discrepancia entre el nivel de confianza declarado por un modelo (por ejemplo, predecir que el 95% de los valores futuros caerán dentro de un rango específico) y la frecuencia real con la que los valores verdaderos realmente se encuentran dentro de ese límite predicho.
|
Continuo - Perioperatorio
|
|
Error Absoluto Medio (MAE)
Periodo de tiempo: Continuo - perioperatorio
|
Error Absoluto Medio (MAE)
|
Continuo - perioperatorio
|
|
Precisión de tendencias
Periodo de tiempo: Continuo - perioperatorio
|
La precisión de tendencia mide la capacidad de un modelo predictivo para pronosticar correctamente la dirección futura y la tasa de cambio de una variable (como si la profundidad anestésica de un paciente se está reduciendo o profundizando activamente), independientemente del error numérico absoluto en cualquier momento puntual.
|
Continuo - perioperatorio
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Error Cuadrático Medio (RMSE)
Periodo de tiempo: Continuo - perioperatorio
|
Error Cuadrático Medio (RMSE)
|
Continuo - perioperatorio
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Estimado)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- AIBIS
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .