Egy 48 tárgyból álló tanulmány non-invazív, több technológiás mérésekkel a folyamatban lévő vérzés korai felismerésére

A vérzéses sokk továbbra is a vezető halálokok közé tartozik a harctéren és a civil közösségekben is. A folyamatban lévő vérzés korai felismerése, mielőtt az őszinte sokkká fejlődne, lehetővé teszi a korai beavatkozást. Széles körben elismert tény, hogy a klasszikus orvosi életjelek gyengén teljesítenek a traumás sérülést követő sokkos progresszió késői szakaszáig. A jelenleg rendelkezésre álló technikák, beleértve az időszakos életjel-monitorozást, a laboratóriumi elemzéseket és az egyszeri mérőeszközöket, gyenge teljesítményt mutatnak a klinikailag nyilvánvaló fiziológiai zavarok előtt.

A projekt átfogó célja egy többtechnológiás noninvazív rendszer kifejlesztése a folyamatban lévő vérzések korai felismerésére. A mögöttes hipotézis az, hogy a mély tanulással kifejlesztett algoritmusok, amelyek több forrásból szereznek diagnosztikai jeleket, felülmúlják az egyedi technológiai megoldásokat.

Míg az innovatív noninvazív tesztelés ígérete széles körű figyelmet kapott, a hatékony ágy melletti technológiák fejlesztése ez idáig korlátozott volt, és teljesítményük kiábrándító. 2014-ben Kim és munkatársai kijelentették, hogy "a metaanalízis eredményei azt találták, hogy a folyamatos noninvazív artériás nyomásmérő eszközök pontatlansága és pontatlansága nagyobb, mint amit elfogadhatónak határoztak meg", és a noninvazív vérnyomásmérés a legfejlettebb ezek közül. technológiákat. A nem invazív technológiák kudarca az összetett betegségi állapotok kimutatásában vagy diagnosztizálásában lényegében teljes. A kutatók úgy vélik, hogy ez a hiba az uniplex rendszerek korlátait (egyetlen érzékelő egyetlen helyen) és a fiziológiai válaszok betegenkénti változását tükrözi. Az Uniplex rendszerek a teljes diagnosztikai jelet feláldozzák anatómiai-időbeli mintázatokban, ami valószínűleg jelentős diszkriminatív erővel rendelkezik.

A folyamatban lévő vérzések korai felismerésére irányuló technológiai innováció eddig két nagy kategóriába sorolható: 1) a szövetek vagy szervek állapotának egyetlen új mérési módszerének felfedezése vagy 2) gépi tanuláson és jelfeldolgozáson alapuló kifinomultabb matematikai technikák alkalmazása.

A kutatók egy olyan rendszer kifejlesztését javasolják, amely ötvözi a legmodernebb noninvazív érzékelő technológiákat és fejlett többváltozós statisztikai algoritmusokat. Ezt a rendszert a kezdetektől fogva úgy fejlesztik, hogy olcsó és könnyen alkalmazható legyen, még szigorú körülmények között is.

A vérkészítmények szükségtelen felhasználásának elkerülése érdekében a hepatektómiát alacsony centrális vénás nyomással (CVP) végezzük. Ezt az intravénás folyadékok és időnként a központi vénás nyomást csökkentő gyógyszerek korlátozó használatával érik el. Az alacsony központi vénás nyomás a hepatektómia során kiváló modell a miénkhez hasonló technológiák fejlesztéséhez, és korábban nem használták erre a célra.

Az LCVPLR eljárás során a vizsgálók minden egyes eljárás során a noninvazív optikai, elektromágneses és impedanciafiziológiai jelek teljes együttesét kapják meg. Az itt javasolt munka ezeket a technológiákat értékeli a standard alacsony centrális vénás nyomású májreszekciók (LCVPLR) során. Ezeket az adatokat a gépi tanulás alapú algoritmusok további fejlesztéséhez használjuk fel. A javasolt vizsgálat alacsony kockázatú lesz, mivel a mért adatok nem lesznek elérhetők a klinikusok számára.

Konkrét célok:

1. Értékelje a meglévő non-invazív érzékelő technológiák és többváltozós algoritmusok teljesítményét az LCVPLR-ben.
2. Szerezzen be emberi modell betanítási és érvényesítési adatkészleteket az LCVPLR során az algoritmusok további finomításához.

Teljesítmény és mintanagyság: A nyomozók azt várják, hogy minden beiratkozott alanytól adatokat szerezzenek be. A parenchimális átmetszés megkezdése előtt kapott adatokat "nincs vérzés" kontrollként használjuk. A teljesítmény és a mintanagyság számításai azt mutatják, hogy a 48 alanyból álló mintaméretnek elegendőnek kell lennie: 1) a nem invazív mérési technológiák azon minimális részhalmazának további azonosításához, amelyek szükségesek a kívánt diagnosztikai teljesítményhez, 2) a meglévő algoritmusok validálásához, és 3) az ember kezdeti betanításához. az algoritmusok klinikai iterációja, kellő fokú pontossággal (ROC-AUC esetén p < 0,05).

Minimális kockázatú vizsgálatként a műtéten átesett betegek ellátásának színvonalához képest nem lesz változás. A sebészeti eljárások és a farmakoterápiák a szokásos klinikai kezelésnek megfelelően zajlanak. A beiratkozott betegek standard preoperatív, érzéstelenítő és posztoperatív fiziológiai monitorozáson esnek át.