Tekoälyavusteinen Analgesia Copilot -järjestelmä (SEASCAPE)
Tekoälyavusteinen analgesian koplottijärjestelmä nokisepsion asianmukaiseen hallintaan
SEASCAPE-projektin ensisijainen tavoite on suunnitella, kehittää ja soveltaa kliinistä käyttöönotto-työkalua koneoppimisen (ML) ja tekoälyn (AI) perusteiselle apulaisjärjestelmälle nokiseption reaaliaikaiseen seurantaan ja hallintaan yleisanestesian (GA) aikana.
Lopullinen kliininen tarkoitus on optimoida yksilöllistä kivunhoitoa saavuttamalla intravenoosisten opioidien (erityisesti remifentaniilin) tarkka titraus, mikä vähentää yli- ja aliannoksen esiintymistä. Tämän optimoinnin odotetaan parantavan potilastuloksia, vähentävän opioidien aiheuttamia komplikaatioita ja parantavan anestesiamenettelyjen kokonaiskustannustehokkuutta.
Tätä työtä ohjaava tärkein tieteellinen kysymys on: Voidaanko luoda ja validoida uusi algoritmi, joka tarjoaa paremman analyyttisen tarkkuuden analgeettiselle hoidolle luotettavasti erottamalla aidot nokiseptiiviset vasteet häiritsevistä fysiologisista muuttujista - kuten riittämätön neuromuskulaarinen salpaaminen tai anestesian syvyyden muutokset - parantaen siten merkittävästi kliinistä päätöksentekokehystä leikkauksen aikaisen nokiseption hallintaan? Tämä projekti käsittelee anestesiologiassa tunnistettua haastetta: objektiivisen mittarin määrittelyä nokiseption ja antinokiseption kvantifiointiin yleisanestesian aikana.
Tutkimuspopulaatio: Potilaat, joille on suunniteltu valinnaisia kirurgisia toimenpiteitä, jotka vaativat yleisanestesian (GA).
Nykyinen interventio: Vakioanestesiaregimiin kuuluu remifentaniilin jatkuva intravenoosinen infuusio leikkauksen aikaisena analgesiana, jota tyypillisesti hallitsee kohdepitoista infuusiota (TCI) käyttävä farmakokineettinen/farmakodynaaminen (PK/PD) malli (Eleveld TCI -malli).
Projektin keskittyminen: Tutkimus pyrkii parantamaan tämän nykyisen analgeettisen strategian tarkkuutta ja tehokkuutta integroimalla monimuuttujaista potilasdatavirtaa vastakehitettyyn SEASCAPE-apulais-TEKOÄLYyn. Tämä pyrkii hienosäätämään remifentaniiliannosten ennusteita nykyisen TCI-mallin kykyjen yli, henkilökohtaiseksi järjestelmäksi.
Tutkimuksen yleiskatsaus
Tila
Tila
Ehdot
Ehdot
Interventio / Hoito
Interventio / Hoito
Yksityiskohtainen kuvaus
Kivun arviointi yleisanestesian (GA) aikana on merkittävä kliininen haaste, koska kivun suora arviointi on mahdotonta tajunnan häiriön vuoksi. Tämän seurauksena kliinikon on tulkittava suuri määrä epäsuoria fysiologisia tietoja (syketaajuus, verenpaine, EEG, ihon johtavuus) määrittääkseen nokiseption tason – hermoston tapa havaita kipua aiheuttavia ärsykkeitä – useista usein itsenäisistä monitorilaitteista kerätyillä tiedoilla.
Tämä manuaalinen menetelmä on luonnostaan tehoton ja altis arviointivirheille. Tämän puutteen seurauksena kivunhallinta on alitehoista, jolloin opioidien yli- tai aliannokseltaminen lisää vakavien haittatapahtumien, kuten kivun kroonistumisen, riskiä. Tämä on kansanterveysongelma, joka aiheuttaa vammautumista ja merkittävää elämänlaadun heikkenemistä. Mahdollisuus parantaa tätä hallintaa piilee tietojen integroinnissa kehittyneiden teknologioiden avulla. Vaikka farmakokineettiset/farmakodynaamiset (PK/PD) mallit olemassa yksilöllisten opioidiannosten arvioimiseksi, ne eivät yksinään riitä. Niiden validointi on pääasiassa nojautunut EEG-parametreihin ottamatta huomioon nokiseptioon osallistuvien fysiologisten muuttujien kokonaiskompleksisuutta. Tietoaukko ja nykyisen manuaalisen prosessin luontainen tehottomuus avaa ovet mullistavalle ratkaisulle: koneoppimiseen (ML)/tekoälyyn perustuvan apulaisjärjestelmän kehittämiselle, joka on kehitetty bioteknologian linjassa maailmanlaajuisten haasteiden kohtaamiseksi.
Tämä projekti ehdottaa ML:n mahdollisuuden hyödyntämistä apulaisjärjestelmän kehittämiseksi, joka pystyy älykkäästi integroimaan remifentaniilin PK/PD-mallin reaaliaikaiseen dataan useista monitorilaitteista (hemodynaaminen, EEG, neuromuskulaarinen relaksaatio ja nokiseptio). Ratkaisu tähtää kivunhoidon yksilölliseen optimointiin, minimoiden sopimattoman annostelun riskin. Tämän teknologian toteuttaminen on ratkaisevan tärkeää, koska sen laiminlyönti jatkaisi tehotonta käytäntöä ja huonojen kliinisten tulosten aiheuttamia valtavia kustannuksia. Sitä vastoin tämä järjestelmä lupaa parantaa leikkausjälkeisiä tuloksia, kuten vähentää jatkuvan kivun esiintyvyyttä, ja tuottaa suoran positiivisen vaikutuksen terveydenhuollon kustannuksiin ja hoidon laatuun.
SEASCAPE-kliininen apulaisjärjestelmä pyrkii integroimaan reaaliaikaisia tietoja moniparametrimonitoreista, EEG:stä, TOF:sta (Train-of-Four), ANI:sta (Analgesia Nociception Index), ventilaattoreista ja infuusionesteistä Mindray m-Connect-alustan kautta.
Auttaa päätöksenteossa luokittelemalla nokiseption ja luomalla priorisoituja hälytyksiä ("lisää", "ylläpidä" tai "vähennä" remifentaniiliannosta).
Yksilöllistää analgesiaa käyttämällä PK/PD TCI-malleja, jotka on säädetty yksilöllisiin muuttujiin, erityisesti erottaen nokiseption, hypnoosin ja lihasrelaksaation.
Sen kilpailuetuja ovat reaaliaikainen yhteentoimivuus, toiminnallinen kliininen tuki, kehittynyt yksilöllistys sekä positiivinen operatiivinen ja kliininen vaikutus. Tämä vaikutus mahdollistaa leikkausjälkeisten komplikaatioiden vähentämisen, leikkausaikojen lyhentämisen ja sänkyhallinnan optimoinnin.
Projekti sisältää algoritmin, ohjelmiston ja käyttöliittymän suojaamisen patentilla ja tekijänoikeudella sekä lisenssisopimuksen Mindrayn kanssa m-Connectin käytöstä, jota tukee UC Transfer and Development Directorate. Yhteenvetona SEASCAPE tarjoaa innovatiivisen ratkaisun, yhdistäen tekoälyn, yksilöllistyksen ja reaaliaikaisen kliinisen tuen, selkeällä suunnitelmalla validointiin ja markkinoille laajentamiseen kohti.
Nokiseptio-kuvioiden tunnistus: Tunnistaa erillisiä nokiseptio-kuvioita analysoimalla muutoksia useissa fysiologisissa ja farmakologisissa muuttujissa, mukaan lukien hemodynaamiset parametrit, elektroenkefalogrammi (EEG) -data, ANI-vaihtelu, mekaanisen ventilaattorin parametrit ja Eleveld Target Controlled Infusion (TCI) PK/PD-mallista johdettu arvioitu remifentaniiliannos.
Anestesian tilan erottelu: Tunnistaa kuvioita, jotka luotettavasti erottavat riittämättömän anestesian syvyyden ja riittämättömän lihasrelaksaation tilat, hyödyntäen hemodynaamisten parametrien, EEG:n ja ventilaattoridatan muutoksia. Nämä kuviot validoidaan käyttämällä sarjamaisia neuromuskulaarisen monitoroinnin (esim. TOF) ja annettua neuromuskulaarisen estolääkkeen annosta.
Kliinisen käytettävyyden arviointi: Määrittää SEASCAPE-apulaisjärjestelmän käyttöliittymän käytettävyyden (UX) asteen, vahvuudet, heikkoudet ja parannusmahdollisuudet loppukäyttäjien (anestesialääkärit) näkökulmasta.
Apulaisjärjestelmän kehittäminen on jäsennelty prospektiiviseksi havainnointisuunnitelmaksi kolmessa vaiheessa:
Vaihe 1: Alkuperäinen prospektiivinen havainnointikohorttitutkimus (N=30) Suunnittelu: Prospektiivinen havainnointikohorttitutkimus, noudattaen STROBE-ohjeita. Populaatio: 30 potilasta, jotka on ajoitettu leikkaukseen yleisanestesian alaisina, stratifioitu ikään: 10 potilasta (0–18 vuotta), 10 potilasta (19–60 vuotta) ja 10 potilasta (yli 60 vuotta).
Datan keruu: Demografisten tietojen, elintoimintojen, ventilaatioparametrien, farmakologisten tietojen (Eleveld remifentaniili PK/PD-malli), lihasrelaksaation monitoroinnin, ANI-datan ja EEG-datan kerääminen.
Tarkoitus: Luoda alustava dataputki apulaisjärjestelmälle, jossa on leimattuja muutoksia ja ärsykkeitä, jotka on varmistettu ennalta määrätyillä kirurgisilla aikapisteillä myöhempää analyysiä varten.
Vaihe 2: Laajennettu prospektiivinen havainnointikohorttitutkimus (N=100) Suunnittelu: Prospektiivinen havainnointikohorttitutkimus, noudattaen STROBE-ohjeita. Populaatio: 100 lisäpotilasta, stratifioitu kahden anestesiamenetelmän mukaan: Kokonaan intravenoosinen anestesia (TIVA) ja inhalaatioanestesia (kaasuilla tehty anestesia).
Tarkoitus: Luoda suurempi aineisto apulaisjärjestelmän kouluttamiseksi. Tavoitteena on, että järjestelmä ennustaa onnistuneesti ohjaussuuntauksen remifentaniilin annostelulle:
Suositus remifentaniiliannostuksen lisäämiseksi. Suositus nykyisen remifentaniiliannostuksen ylläpitämiseksi. Suositus remifentaniiliannostuksen vähentämiseksi. Vaihe 3: Kuvaileva prospektiivinen havainnointitutkimus (N=20) Suunnittelu: Kuvaileva prospektiivinen havainnointitutkimus, noudattaen STROBE-ohjeita, keskittyen inhimillisiin tekijöihin ja käytettävyyteen.
Populaatio: Odotettu osallistuminen 20 anestesialääkäriltä (yhteensä 35 kehityskeskuksessa).
Tarkoitus: Kerätä anestesialääkäreiden näkökulmasta liittyviä muuttujia anestesiakliinisestä ympäristöstä, tunnistaen ehdotetun käyttöliittymän vahvuudet, heikkoudet ja parannusmahdollisuudet.
Käyttöliittymän kehittäminen: Graafinen käyttöliittymä rakennetaan käyttäjäkeskeisen suunnittelun (UCD) prosessin avulla, mukaan lukien wireframejen, wireflowjen ja matalan tarkkuuden prototyyppien (esim. Figmassa) luominen varmistaakseen helposti saatavilla olevan, toimivan ja visuaalisesti yhtenäisen alustan, joka helpottaa intuitiivista vuorovaikutusta.
Datan rekisteröinti Valikkoleikkauspotilaita (tai heidän laillisia edustajiaan), jotka täyttävät sisällytyskriteerit, kutsutaan osallistumaan ja he allekirjoittavat tietoiseen suostumukseen perustuvat asiakirjat. Demografiset tiedot tallennetaan. Tunnetut nokiseptiiviset ärsykkeet esitellään tarjoamaan hallittu viitejärjestelmän validointiin muuttamatta valvovan anestesialääkärin standardikliinistä käyttäytymistä.
Otoskoko Laskelma Ensimmäiselle vaiheelle on määritetty 30 tapausta. Toiselle vaiheelle vaaditaan sata potilasta. Tämä laskelma ottaa huomioon mahdolliset häviöt puutteellisten tai olemattomien tietueiden, leikkauskeston yli kahden tunnin ja 16 muuttujan analyysin vuoksi. n=20 anestesialääkäriä Vaiheelle 3.
Datan rekisteröinti Tutkimusdatan saamiseksi valikkoleikkauspotilaita (tai heidän laillisia edustajiaan), jotka täyttävät sisällytyskriteerit eivätkä esitä poissulkemiskriteerejä, kutsutaan osallistumaan. Rekrytointi suoritetaan joko preoperatiivisen yksikön vastaanottopäivänä tai ajoitetun leikkauksen edellisenä päivänä. Vastaanoton yhteydessä kerätään yleiset tiedot ja asiakirjat allekirjoitetaan tietoiseen suostumukseen perustuvan prosessin mukaisesti.
Demografiset tiedot (ikä, paino, pituus ja sukupuoli) rekisteröidään, ja tunnetut nokiseptiiviset ärsykkeet määritetään. Tämä on tarkoitettu kontrastoimaan kliinikkojen yleisiä toimia ja luomaan standardin muuttamatta tapauksen vastaavan anestesialääkärin tavallista käyttäytymistä.
Opintotyyppi
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Ilmoittautuminen
Yhteystiedot ja paikat
Opiskeluyhteys
Opiskeluyhteys
- Nimi: Victor Contreras, RN, MSN
- Puhelinnumero: +56955049217
- Sähköposti: vecontre@uc.cl
Tutki yhteystietojen varmuuskopiointi
- Nimi: Karen Azagra, RA
- Puhelinnumero: +56955049217
- Sähköposti: karen.azagra@uc.cl
Opiskelupaikat
-
-
-
Santiago, Chile
- Rekrytointi
- Hospital Clínico UC Christus
-
Santiago, Chile
- Ei vielä rekrytointia
- Division de Anestesiologia
-
Ottaa yhteyttä:
- Victor Contreras, MSN, RN
- Puhelinnumero: +56955049217
- Sähköposti: vecontre@uc.cl
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällytyskriteerit:
- Potilaat, joille on suunniteltu valintaista leikkausta nukutuksella.
- Leikkaukset, joiden kestoksi on suunniteltu vähintään kaksi tuntia.
Poissulkemiskriteerit:
- Potilaat, joille tehdään hätäleikkaus.
- Raskaana olevat naiset.
- Mielenterveyden tai älyllisen vajaakyvyn esiintyminen ennen sairaalahoitoa.
- Laineriippuvuus.
- Leikkaukset, joiden kestoksi on suunniteltu yli 4 tuntia.
- Leikkauksen aikaiset komplikaatiot, jotka edellyttävät rutiininomaisen toiminnan muutoksia.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Ryhmien/kohorttien lukumäärä
Kohortit ja interventiot
Ryhmä/KohorttiRyhmä/Kohortti |
Interventio / HoitoInterventio / Hoito |
|---|---|
|
Potilaat
Potilaat 0–99 vuoden iästä, joilta saadun GA:n tiedot poimitaan.
|
Suorituskykytietojen kerääminen hemodynaamisesta monitoroinnista, BIS:stä, ANI:stä, anestesiakoneesta ja infuusionäytteistä käyttäen Mindrayn e-getaway-järjestelmää.
Muut nimet:
|
|
Anestesialääkäri
Anestesialääkärit, jotka käyttävät Seascapea sen pilot-tilassa
|
Tekoälyavusteinen pilottijärjestelmä nokiseption hallintaan.
SEASCAPE ensimmäinen sukupolvi.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kehittää ja toteuttaa SEASCAPE
Aikaikkuna: Anestesian alusta anestesian loppuun
|
Kehittää ja toteuttaa koneoppimiseen perustuva copilot-järjestelmä nosisepsion seurantaan potilailla, jotka ovat yleisanestesian alaisina remifentaniililla kohdennettua infuusiota (TCI) käyttäen Eleveld-mallia, auttaakseen kliinikoita leikkauksen aikaisessa päätöksenteossa ja optimoidakseen nosisepsion hallintaa.
|
Anestesian alusta anestesian loppuun
|
Toissijaiset tulostoimenpiteet
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Noseptiiviset kuviot
Aikaikkuna: Anestesian alusta anestesian loppuun
|
Tunnistaakseen nokisiptiivisiä kuvioita hemodynaamisten muuttujien, aivosähkökäyrän, ANI-indeksin vaihtelun, mekaanisen hengityslaitteen parametrien ja remifentaniilin arvioidun annoksen muutoksista Eleveld TCI:n ennustavan mallin mukaisesti.
|
Anestesian alusta anestesian loppuun
|
|
Anestesian syvyyden ja riittämättömän lihasrelaksaation kuviot
Aikaikkuna: Anestesian alusta anestesian loppuun
|
Tunnista anestesian syvyyden ja riittämättömän lihasrelaksaation kaavat, ottaen huomioon hemodynaamisten muuttujien, elektroenkefalogrammin ja mekaanisen hengityslaitteen muutokset, mitattuna sarjamaisella neuromuskulaarisella seurannalla ja annostellun lihasrelaksantin määrällä.
|
Anestesian alusta anestesian loppuun
|
|
SEASCAPE:n käytettävyysaste
Aikaikkuna: Anestesian prosessin alusta anestesian loppuun
|
Tunnista SEASCAPE-järjestelmän käytettävyysaste käyttäjien (anestesialääkäreiden) keskuudessa.
|
Anestesian prosessin alusta anestesian loppuun
|
Yhteistyökumppanit ja tutkijat
Sponsori
Sponsori
Tutkijat
Tutkijat
- Päätutkija: Victor Contreras, RN, MSN, Pontificia Universidad Católica de Chile
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Connor CW. Artificial Intelligence and Machine Learning in Anesthesiology. Anesthesiology. 2019 Dec;131(6):1346-1359. doi: 10.1097/ALN.0000000000002694.
- Wingert T, Lee C, Cannesson M. Machine Learning, Deep Learning, and Closed Loop Devices-Anesthesia Delivery. Anesthesiol Clin. 2021 Sep;39(3):565-581. doi: 10.1016/j.anclin.2021.03.012. Epub 2021 Jul 12.
- Eleveld DJ, Colin P, Absalom AR, Struys MMRF. Target-controlled-infusion models for remifentanil dosing consistent with approved recommendations. Br J Anaesth. 2020 Oct;125(4):483-491. doi: 10.1016/j.bja.2020.05.051. Epub 2020 Jul 9.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Opiskelun aloitus
Ensisijainen valmistuminen (Arvioitu)
Ensisijainen valmistuminen
Opintojen valmistuminen (Arvioitu)
Opintojen valmistuminen
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Ensimmäinen Lähetetty
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin päivitys julkaistu
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
Muut tutkimustunnusnumerot
- 250310009
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .