A nehéz intubálás kiszámíthatóságának értékelése mesterséges intelligencia által támogatott rendszerekkel antropometrikus és ultrahangméréssel, amelyet a műtét előtti légúti értékelés során alkalmaznak

A nehéz intubáció, különösen a kiszámíthatatlan nehéz intubáció, minden érzéstelenítő számára kihívást jelentő forgatókönyv. Azok a betegek, akiket eredetileg a rutin légutak kezelésére megfelelőnek tekinthetnek, az esetek 5% -ban 22% -ában nehéz intubálni. A nehéz légutak pontos értékelése és kezelése döntő jelentőségű, mivel a légutak kezelésének kudarca súlyos morbiditáshoz és halálozáshoz vezethet.

A légutak értékelése segít azonosítani a kiszámítható nehéz légutakat, de nem zárja ki a normál klinikai értékeléssel rendelkező betegeket, akiknek továbbra is kiszámíthatatlan nehéz intubálást tapasztalhatnak. A légúti vizsgálat elsődleges célja a felső légúti patológiák vagy anatómiai rendellenességek észlelése. Számos fizikai tulajdonság társul a nehéz légutakhoz és a sikertelen intubáláshoz, beleértve a korlátozott nyaki mobilitást, a horkolást, a rövid sternomentális távolságot és a megnövekedett nyaki kerületet.

A közönséges légúti értékelési eszközök, mint például a Mallampati osztályozás és a felső ajakharapás teszt, a beteg együttműködését igénylik, amely korlátozza azok alkalmazhatóságát a nyugtatott, trauma vagy nem reagáló betegekben. A Cormack-Lehane besorolása, amelyet a közvetlen laryngoscopia során alkalmaznak, invazív és nem teszik lehetővé az eljárási előkészítést. Ebben az összefüggésben a nem invazív, ágynemű, gyors és hozzáférhető ultrahangvizsgálatok és antropometrikus mérések fontosak a nehéz légutak előrejelzésében.

A technológiai fejlődéssel a döntés-támogatási rendszerek és a mesterséges intelligencia (AI) által támogatott alkalmazásokat egyre inkább használják a káros következmények megelőzésére. A sikeres légúti kezelés különösen kritikus jelentőségű a magas kockázatú betegek esetében, ahol elengedhetetlen a gyors döntéshozatal. Könnyen elérhető, ágynemű, nem invazív ultrahangos mérések, amelyek integrálódnak az AI-alapú tanulási programokba, előzetesen megjósolhatják a nehéz intubációt. Ez lehetővé teszi a korai felkészülést, az időszerű beavatkozásokat és az életveszélyes kockázatok csökkentését.

Ebben a tanulmányban a kutatók célja, hogy a nehéz intubációt preoperatív módon megjósolják a nem invazív antropometrikus és ultrahangos felső légúti mérések alkalmazásával, az AI-asszisztált döntés-támogatási programokkal kombinálva, anélkül, hogy bármilyen invazív eljárást igényelnének.

Hipotézisünk az, hogy a műtét előtti légúti értékelés antropometrikus és ultrahangvizsgálaton keresztül, az AI-alapú döntés-támogatási programok támogatásával, pontosan megjósolhatják a nehéz intubációt és megkönnyíthetik a korai előkészítést