Évaluation des modèles d'IA pour déterminer le PEEP optimal

Les patients recevant un soutien à la ventilation mécanique dans l'unité de soins intensifs (USI), qui sont hémodynamiquement stables et de plus de 18 ans, seront considérés comme éligibles à l'étude. Ces critères ont été fixés pour s'assurer que les patients ont besoin d'un soutien respiratoire adéquat tout en étant adapté à l'optimisation individualisée de la gestion des ventilateurs.

Au cours du processus de sélection des patients, les dossiers médicaux des patients atteints de soins intensifs seront examinés et ceux qui répondent aux critères seront inclus dans l'étude. Pour garantir la précision des données cliniques, le processus de sélection des patients sera effectué par des spécialistes des soins intensifs.

Les paramètres de ventilation mécanique des patients inclus seront systématiquement enregistrés. Dans ce contexte, des manœuvres de retenue inspiratoire et des expirations seront appliquées pour évaluer la mécanique respiratoire des patients. Les mesures enregistrées comprendront la conformité (élasticité pulmonaire), l'élastance (rigidité pulmonaire), la pipole automatique (présence de piégeage d'air) et la constante de temps (durée d'échange de gaz).

En plus de ces paramètres de ventilation fondamentaux, la courbe de volume de pression (P-V) sera analysée pour collecter des données critiques pour l'optimisation de la ventilation. Ces procédures seront effectuées à l'aide de modules d'analyse avancés intégrés dans les ventilateurs de soins intensifs et les systèmes de surveillance des patients. Les données collectées seront analysées à la fois manuellement par des experts et par des modèles d'intelligence artificielle (IA) tout au long de l'étude.

Dans l'étude, le titrage PEEP sera effectué manuellement par des spécialistes des soins intensifs. Ce processus sera appliqué immédiatement après l'intubation pour les patients intubés et se poursuivra quotidiennement. La procédure sera standardisée en fonction d'un protocole prédéfini et appliquée de manière cohérente entre tous les patients.

Le point d'inflexion inférieur (LIP) sera identifié et PEEP sera appliqué au point où commence le recrutement alvéolaire. Cette étape est essentielle pour prévenir l'effondrement du poumon et assurer une oxygénation optimale. De plus, le point d'inflexion supérieur (UIP) sera déterminé pour empêcher la surdistension, garantissant que le volume de marée reste en dessous de ce seuil de pression. Si le point d'inflexion inférieur n'est pas clairement identifié, un niveau PEEP d'environ 10 cmh₂o sera appliqué comme approche standard.

La courbe de volume de pression du ventilateur sera analysée pour évaluer si le niveau de PEEP optimal a été atteint. Si la courbe se déplace vers le haut, elle sera considérée comme un indicateur du recrutement alvéolaire réussi. Si la courbe se déplace vers la droite, elle indiquera un risque de surdistension, ce qui a suscité une réduction du PEEP. Par cette approche, le niveau PEEP le plus approprié pour chaque patient sera déterminé et les paramètres du ventilateur seront optimisés en conséquence. Ces procédures sont systématiquement appliquées dans notre hôpital et à l'échelle mondiale et sont parmi les méthodes les plus couramment préférées de titrage PEEP.

Tous les paramètres de ventilation collectés seront entrés dans trois modèles d'intelligence artificielle différents: Chatgpt, Deepseek et Gemini. Ces systèmes seront invités à fournir:

Une recommandation optimale de niveau PEEP pour le patient la capacité de détecter les paramètres de ventilation anormaux Trois suggestions de diagnostic possibles Trois approches de traitement proposées Les données fournies par les modèles d'IA seront enregistrées et comparées aux évaluations manuelles effectuées par des spécialistes expérimentés des soins intensifs. Cette comparaison vise à déterminer dans quelle mesure les modèles d'IA peuvent servir d'outils d'aide à la décision clinique. La fiabilité, la précision et l'applicabilité clinique des recommandations générées par l'IA seront analysées en profondeur.

Dans la phase finale de l'étude, les niveaux de PEEP déterminés par les modèles d'IA seront comparés à ceux identifiés par des spécialistes des soins intensifs avec au moins cinq ans d'expérience. Les critères suivants seront évalués:

Contrat entre les modèles d'IA et les opinions d'experts sur les niveaux de PEEP (principale mesure des résultats) Sensibilité et spécificité de l'IA dans la détection des paramètres de ventilation anormaux Précision des diagnostics générés par l'AI