Cadre d'Apprentissage Profond pour la Prévision Continue de la Profondeur de l'Anesthésie
Validation d'un cadre d'apprentissage profond pour la prévision continue des réponses pharmacodynamiques et des trajectoires physiologiques pendant l'anesthésie générale
L'intégration de l'intelligence artificielle (IA) en anesthésiologie offre la possibilité de faire passer la surveillance des patients d'une approche réactive à une approche prédictive. Les architectures d'apprentissage profond, en particulier les réseaux de mémoire à court terme longue (LSTM), excellent dans le traitement de données complexes en séries temporelles pour prévoir les futurs états cliniques.
Bien que les modèles PK/PD standard (tels que le modèle Eleveld de pointe pour le Propofol et le Remifentanil) estiment les concentrations médicamenteuses au site cible (Ce), ils ne prennent pas en compte les réponses dynamiques spécifiques au patient en temps réel. Cette étude vise à déployer un cadre d'IA conçu pour prédire les futurs états physiologiques.
Aperçu de l'étude
Statut
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Hugo Carvalho, MD, PhD
- Numéro de téléphone: +32 50 45 24 19
- E-mail: hugo.nogueiracarvalho@azsintjan.be
Lieux d'étude
-
-
-
Bruges, Belgique, 8000
- AZ Sint-Jan AV
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critères d'inclusion :
- Patients programmés pour une chirurgie élective nécessitant une anesthésie générale.
- Procédures nécessitant une surveillance continue de la profondeur de l'anesthésie (BIS).
Critères d'exclusion :
- Procédures pour lesquelles le plan anesthésique principal n'implique pas de capture continue de données électroniques.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Prospectif
Cohorte prospective
|
|
Rétrospective
Cohorte rétrospective
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Erreur d'étalonnage du cône d'incertitude prédictive
Délai: Continu - Périopératoire
|
Erreur d'étalonnage du cône d'incertitude prédictive - L'erreur d'étalonnage du cône d'incertitude prédictive est l'écart entre le niveau de confiance déclaré d'un modèle (par exemple, la prédiction que 95 % des valeurs futures se situeront dans une plage spécifique) et la fréquence réelle à laquelle les vraies valeurs se situent effectivement à l'intérieur de cette limite prédite.
|
Continu - Périopératoire
|
|
Erreur Absolue Moyenne (MAE)
Délai: Continu - périopératoire
|
Erreur Absolue Moyenne (MAE)
|
Continu - périopératoire
|
|
Précision de la tendance
Délai: Continue - périopératoire
|
La précision de tendance mesure la capacité d'un modèle prédictif à prévoir correctement la direction future et le taux de changement d'une variable (comme si la profondeur de l'anesthésie d'un patient s'éclaircit ou s'approfondit activement), indépendamment de l'erreur numérique absolue à un instant donné.
|
Continue - périopératoire
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Erreur quadratique moyenne (EQM)
Délai: Continu - périopératoire
|
Erreur quadratique moyenne (EQM)
|
Continu - périopératoire
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- AIBIS
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .