Évaluation des difficultés d'intubation à double lumen avec des algorithmes d'intelligence artificielle basés sur photo

La complexité et la difficulté de l'intubation avec des tubes à double lumière nécessitent l'utilisation de technologies avancées dans la gestion de cette procédure. Le potentiel des algorithmes d'intelligence artificielle basés sur photo pour prédire et minimiser les difficultés rencontrées lors de l'intubation est la principale motivation de cette étude.

L'utilisation des algorithmes d'intelligence artificielle dans le domaine de la gestion des voies respiratoires est considérable de promesses de rétroaction en temps réel aux anesthésiologistes, d'amélioration de l'efficacité des procédures d'intubation et de réduction de la survenue de complications. Plus précisément, les systèmes d'IA basés sur Photo peuvent faciliter une compréhension plus complète de l'anatomie des voies respiratoires en analysant les images capturées avant et pendant l'intubation, améliorant ainsi la gestion des cas complexes. L'objectif de cette étude est d'examiner l'efficacité et la fiabilité de la photo-base Algorithmes d'intelligence artificielle dans l'évaluation de la complexité de l'intubation avec un tube à double lumière. L'intégration de l'intelligence artificielle dans le processus d'intubation est destiné à améliorer les résultats des patients et à établir une nouvelle référence pour la pratique de l'anesthésie. Cette étude vise à combler l'écart existant dans la littérature et à fournir des approches innovantes de la pratique clinique.

Un consentement éclairé a été obtenu de patients subissant des opérations de chirurgie thoracique et des données démographiques (âge, taille, poids corporel, indice de masse corporelle, sexe), Société américaine d'anesthésiologistes (ASA) Score, type de fonctionnement et maladies comorbides (diabète sucré, hypertension , une maladie coronarienne, une maladie rénale chronique, une maladie pulmonaire obstructive chronique, l'asthme, l'apnée obstructive du sommeil) ont été obtenues. Thoracic and/or extrath oracic malignancy history), parameters considered as risk factors for difficult intubation (history of previous difficult intubation, LEMON criteria (look externally, evaluate, mallampathy, obstruction, neck mobility), upper lip bite test) and photographs of the Les patients (y compris la région de la tête et du cou) seront enregistrés dans six directions et moyens différentes avec une caméra professionnelle (activement utilisée dans notre hôpital) pendant la période préopératoire. Pendant la phase peropératoire, le système de notation de Cormack-Lehane sera utilisé et le processus d'intubation avec un tube à double lumen sera évalué pour facilité ou difficulté. Les complications peropératoires liées à l'opération seront également documentées. Les données seront ensuite traitées à l'aide du langage de programmation Python 3 et des bibliothèques open source pour calculer les algorithmes d'intelligence artificielle. En cas de données incomplètes des patients, des techniques d'imputation des données seront utilisées pour compléter le programme d'intelligence artificielle.

La principale variable de résultat de l'étude est la vitesse à laquelle l'algorithme d'intelligence artificielle basée sur la photo prédit si l'intubation avec un tube à double lumière est facile ou difficile.La variable de résultat secondaire est la comparaison du taux de prédiction de l'intubation avec un tube à double lumière par des algorithmes d'intelligence artificielle basés sur photo et le taux de prédiction de l'intubation avec un tube à double lumen par des méthodes conventionnelles.