Kaksinkertaisen luumenputken intubaatiovaikeuden arviointi valokuvapohjaisten tekoälyn algoritmien kanssa

Intubaation monimutkaisuus ja vaikeus kaksoislumeputkien kanssa vaatii edistyneiden tekniikoiden käytön tämän menettelyn hallinnassa. Valokuvapohjaisten tekoälyn algoritmien potentiaali intubaation aikana havaittujen vaikeuksien ennustamiseksi ja minimoimiseksi on tämän tutkimuksen tärkein motivaatio.

Keinotekoisten älykkyysalgoritmien hyödyntäminen hengitysteiden hallinnan alueella on huomattava lupaus antaa reaaliaikaista palautetta anestesiologeille, intubaatiomenettelyjen tehokkuuden parantamiseksi ja komplikaatioiden esiintymisen vähentäminen. Erityisesti valokuvapohjaiset AI-järjestelmät voivat helpottaa kattavampaa ymmärrystä hengitysteiden anatomiasta analysoimalla ennen intubaatiota ja sen aikana kaapattuja kuvia, mikä parantaa monimutkaisten tapausten hallintaa. Tämän tutkimuksen tavoitteena on tutkia valokuvapohjaisen tehokkuutta ja luotettavuutta Keinotekoiset älykkyysalgoritmit arvioitaessa intubaation monimutkaisuutta kaksoislumilla. Keinotekoisen älykkyyden integrointi intubaatioprosessiin on tarkoitettu Parantaa potilaan tuloksia ja luoda uusi vertailukohta anestesiakäytäntöön. Tämän tutkimuksen tavoitteena on puuttua kirjallisuuden olemassa olevaan aukkoon ja tarjota innovatiivisia lähestymistapoja kliiniseen käytäntöön.

Tietoinen suostumus saatiin potilailta, joille tehtiin rintakirurgiaoperaatioita, ja demografiset tiedot (ikä, korkeus, kehon paino, kehon massaindeksi, sukupuoli), amerikkalaisen anestesiologien yhdistys (ASA) -pistemäärä, leikkaustyyppi ja komoridiset sairaudet (diabetes mellitus, verenpainetauti , sepelvaltimoiden sairaus, krooninen munuaissairaus, krooninen obstruktiivinen keuhkosairaus, astma, obstruktiivinen uniapnea) olivat saatu. Rintakehän ja/tai ekstrathin oracicin pahanlaatuisuuden historia), parametreja, joita pidetään vaikean intubaation riskitekijöinä (aikaisemman vaikean intubaation historia, sitruunakriteerit (katso ulkoisesti, arvioi, mallampathy, tukkeutuminen, kaulan liikkuvuus), ylähuulemurhatesti) ja valokuvat Potilaat (mukaan lukien pää- ja kaula -alue) kirjataan kuudessa eri suunnassa ja tapana ammattikameran kanssa (aktiivisesti sairaalassa) preoperatiivisella ajanjaksolla. Intraoperatiivisen vaiheen aikana käytetään Cormack-Lehane-pisteytysjärjestelmää ja kaksoislumenin putken intubaatioprosessia arvioidaan helpon tai vaikeuden vuoksi. Operaatioon liittyvät intraoperatiiviset komplikaatiot dokumentoidaan myös. Tiedot käsitellään sitten käyttämällä Python 3 -ohjelmointikieltä ja avoimen lähdekoodin kirjastoja tekoälyn algoritmien laskemiseksi. Päättämättömien potilastietojen tapauksessa tietojen imputointitekniikoita käytetään keinotekoisen älykkyysohjelman täydentämiseen.

Tutkimuksen ensisijainen tulosmuuttuja on nopeus, jolla valokuvapohjainen tekoälyn algoritmi ennustaa, onko intubaatio kaksinkertaisella luumenputkella helppoa vai vaikeaa. Toissijainen tulosmuuttuja on intubaation ennustamisen nopeuden vertailu kaksoislumiiniputkella valokuvapohjaisilla tekoälyn algoritmeilla ja intubaation ennustamisnopeudella kaksoislume-putkella tavanomaisilla menetelmillä.