Ennustamisalgoritmin ulkoinen validointi käyttämällä ei-invasiivista valvontalaitetta intraoperatiiviseen hypotensioon

Leikkauksen aikana esiintyvä hypotensio liittyy potilaiden huonoon ennusteeseen leikkauksen jälkeen. Aikaisemmissa tutkimuksissa on todettu, että jopa lyhyt hypotension aika lisää leikkauksen jälkeisten komplikaatioiden, kuten munuaisvaurion, riskiä. Jos voimme ennustaa intraoperatiivisen hypotension etukäteen, voimme estää tai minimoida vauriot.

Viime aikoina on olemassa monia raportteja lääketieteellisistä tekoälyn malleista, jotka ennustavat intraoperatiivisen hypotensiota. Niiden joukossa hypotension ennusteindeksi (HPI) on jo kaupallistettu ja käytetty kliinisessä käytännössä. HPI: llä on kuitenkin rajoituksia, koska on tarpeen suorittaa invasiivisia tekniikoita (valtimoiden kanylointi) tai käyttää erillisiä laitteita korkeilla kustannuksilla. Koska monet yleisanestesiasta suoritetaan ilman invasiivisia seurantalaitteita, HPI -lääkinnällisten laitteiden käyttöön sovelletaan huomattavia rajoituksia.

Olemme ilmoittaneet intraoperatiivisen hypotension ennustealgoritmin käyttämällä viittä ei-invasiivista valvontalaitetta, joita yleisesti käytettiin yleisesti anestesiassa: 1) verenpaine (NBP, luku), 2) elektrokardiogrammi (EKG, aaltomuoto), 3) pääty-happi-tyydyttymisaaltomuoto (ppg, aaltomuoto), 4) päätevaiheen hiili-dioksidiaalto (eTo2) ja aaltoarvo) ja 5) ja 5) ja 5) ja 5) ja 5) ja 5) ja 5) ja 5) ja 5) ja 5) ja 5). Syvyys (BIS, luku) suorittamalla retrospektiivinen ulkoinen validointiprosessi käyttämällä muiden instituutioiden (Soulin kansallisen yliopistollisen sairaalan) julkista kliinistä tietoa, lopullisella mallilla oli hyvä ennustettavuus vastaanottimen käyttöä koskevan ominaiskäyrän (AUROC) arvon mukaisesti 0,917.

Emme kuitenkaan validoineet sitä algoritmia ulkoisesti suunnitellun tutkimuksen avulla. Tämän tutkimuksen tarkoituksena on validoida ulkoisesti "verenpainetaudin ennustamismalli leikkauksen aikana käyttämällä ei-invasiivista seurantalaitetta", joka on jo ilmoittanut, että ennustemallin hyödyllisyys ja rajoitukset voidaan arvioida uudelleen ja malli voidaan edistää tulosten perusteella.