SVILUPPO DI UN ALGORITMO DI INTELLIGENZA ARTIFICIALE PER PREVEDERE IL RISCHIO DI IPOTENSIONE DOPO L'INDUZIONE DI PARTO CESAREO CON ANESTESIA SPINALE

Motivazione: Il taglio cesareo, se indicato correttamente, è un metodo di parto che preserva la salute sia della madre che del bambino. Il tasso di nascite con taglio cesareo è in aumento da anni in tutto il mondo. Tra il 2010 e il 2018, il 21,1% delle nascite monitorate a livello globale è stato eseguito tramite taglio cesareo. Secondo l’Organizzazione Mondiale della Sanità (OMS), si prevede che questo tasso aumenterà, raggiungendo il 29% entro il 2030.

L'anestesia per il taglio cesareo è fondamentalmente influenzata dai cambiamenti sia fisiologici che patologici indotti dalla gravidanza nel corpo della madre. I cambiamenti che si verificano durante la gravidanza e il parto e le differenze che ne derivano possono rappresentare sfide per gli anestesisti.

Nei paesi sviluppati, il 78% dei tagli cesarei elettivi sono stati eseguiti in anestesia spinale, rendendola la tecnica più utilizzata dagli anestesisti. L'anestesia spinale induce un blocco simpatico iatrogeno, riducendo la resistenza vascolare sistemica insieme alla vasodilatazione arteriosa e venosa, che porta a ipotensione. L'incidenza dell'ipotensione dopo l'anestesia spinale nelle donne in gravidanza varia dal 7,4% al 74%, come riportato da Klöhr et al. La frequenza dell'ipotensione è maggiore nelle donne in gravidanza a causa di fattori quali la sindrome da ipotensione supina causata dalla compressione della vena cava inferiore fetale e lo sviluppo del plesso venoso collaterale nell'area epidurale, che porta alla risalita dell'anestetico locale intratecale nel liquido cerebrospinale. L’aggravarsi dell’ipotensione e della bradicardia nel paziente può provocare collasso cardiaco, ipossia fetale e acidosi, ponendo un rischio imprevedibile per la salute sia materna che fetale. Il ruolo degli anestesisti è prevenire o gestire efficacemente questa condizione rischiosa.

I recenti progressi nel deep learning e nell’intelligenza artificiale (AI) hanno trovato il loro posto nel campo dell’anestesia. Le applicazioni dell'intelligenza artificiale in anestesia possono essere classificate in cinque aree principali: 1) Monitoraggio della profondità dell'anestesia (ad esempio, tecniche di analisi dei dati EEG durante l'anestesia), 2) Controllo della somministrazione del farmaco anestetico in base alla profondità dell'anestesia, 3) Previsione degli eventi, 4) Guida ecografica e 5) Gestione del dolore.

Tra queste applicazioni, la previsione degli eventi è particolarmente critica per gli anestesisti. Conoscere un evento prima che si verifichi contribuisce a prevenirlo o a permetterne una gestione più accurata. In letteratura sono presenti 53 studi che utilizzano l’intelligenza artificiale per la previsione degli eventi, inclusi studi che sviluppano algoritmi per prevedere l’ipotensione durante l’intervento chirurgico e convalidano questi algoritmi. Ciò che distingue questo progetto dagli studi esistenti sono:

Questi studi non sono stati sviluppati specificamente per prevedere l’ipotensione indotta dall’anestesia spinale durante i tagli cesarei.

Questi studi hanno utilizzato principalmente l’analisi delle onde (non invasiva o invasiva) per prevedere l’ipotensione. In questo progetto questo approccio non verrà utilizzato. Verranno condotte valutazioni preoperatorie e verranno registrate le caratteristiche del paziente. Pertanto, l'algoritmo risultante non sarà un algoritmo di input dati dinamico/in tempo reale.

La facilità di registrazione delle caratteristiche preoperatorie, l'assenza della necessità di un monitoraggio arterioso invasivo e il potenziale di applicabilità rendono lo sviluppo dell'algoritmo più pratico. L'algoritmo sviluppato sarà pratico da usare.

L'algoritmo da addestrare riporterà, analogamente allo studio di Hatib et al., il rischio di ipotensione in termini percentuali.

L’intelligenza artificiale e il suo sottoinsieme, gli algoritmi di apprendimento automatico, influiscono su ogni aspetto della nostra vita. In campo medico è diventato un metodo, soprattutto per ridurre l’errore umano nel processo decisionale clinico.

In questo studio, le informazioni demografiche, i segni vitali, i parametri ematici specifici e alcune caratteristiche relative alla somministrazione dell'anestesia spinale saranno sistematicamente registrate per le donne incinte sottoposte ad anestesia spinale. I parametri del sangue includono emocromo completo, elettroliti sierici, livelli di enzimi epatici (ALT/AST) e Syndecan-1. Tutti i parametri del sangue sono elencati nel protocollo di studio originale. Syndecan-1 è una molecola rilasciata nel siero con la degradazione o il danneggiamento dello strato di glicocalice endoteliale vascolare. In particolare, aumenta durante il carico di volume, la sepsi o i processi infiammatori. I livelli sierici di Syndecan-1 aumentano con il progredire delle settimane di gravidanza, con l’aumento più significativo che si verifica tra la 20a e la 30a settimana. Se la preeclampsia si sviluppa nelle fasi successive della gravidanza, i livelli di Syndecan-1 diminuiscono.

I livelli di Syndecan-1 nelle gravidanze ipertensive non cambiano significativamente rispetto alle gravidanze normali, ma sono state osservate differenze nei livelli di Syndecan-1 in presenza di preeclampsia. Pertanto, come menzionato nella sezione metodi, le donne in gravidanza ipertese e preeclamptiche non saranno incluse nello studio.

In uno studio che ha esaminato i livelli preoperatori e postoperatori di Syndecan-1 in pazienti con taglio cesareo sottoposti ad anestesia spinale, è stata riscontrata una differenza significativa. Lo studio ha concluso che la somministrazione di un bolo di fluido profilattico preoperatorio ha influenzato la degradazione del glicocalice endoteliale. Sulla base di questo studio, Syndecan-1 ha il potenziale teorico per essere un nuovo marcatore per predire l’ipotensione. Sebbene il Syndecan-1 sia stato studiato in precedenza in donne in gravidanza, non esiste alcuno studio in letteratura che esamini la relazione tra i livelli preoperatori di Syndecan-1 e l'ipotensione durante l'anestesia spinale nei pazienti sottoposti a taglio cesareo. Questo studio indagherà la relazione tra Syndecan-1 e ipotensione e valuterà il suo posto nell'algoritmo sviluppato.

Dopo aver registrato i dati iniziali per ciascun paziente, lo sviluppo dell'ipotensione verrà osservato e documentato. I dati raccolti verranno analizzati per esaminare le relazioni tra il verificarsi o il mancato verificarsi dell'ipotensione dopo l'induzione. Inoltre, utilizzando questi dati verrà sviluppato un algoritmo di intelligenza artificiale. L’obiettivo principale è sviluppare l’algoritmo. Nel corso dello studio non saranno apportate modifiche alla gestione dell'anestesia applicata alle donne in gravidanza.

In questo contesto, l’algoritmo sviluppato mira a identificare precocemente l’ipotensione causata dall’anestesia spinale (predicendo il rischio di ipotensione prima dell’inizio dell’operazione) e consentire l’inizio precoce del trattamento.

Metodo:

Durata del progetto: l'approvazione etica del progetto è stata concessa dal comitato etico per la ricerca clinica non interventistica dell'Università di Hacettepe. La realizzazione del progetto è prevista tra novembre 2023 e aprile 2024.

Metodologia e strumenti di raccolta dati del progetto:

I dati dei pazienti che soddisfano i criteri di inclusione in sala operatoria saranno ottenuti dai risultati dei test di routine inviati dopo il ricovero per taglio cesareo, dai moduli di osservazione preoperatoria degli infermieri e dalle registrazioni dei segni vitali monitorati mediante anestesia durante l'intervento. Dopo che il paziente è stato portato in sala operatoria, l'anestesista compilerà le informazioni nel modulo di raccolta dati. La durata dell'ipotensione dopo l'anestesia spinale inizia immediatamente dopo la somministrazione dell'anestesia nelle donne in gravidanza, raggiungendo il livello più basso entro circa 10-15 minuti. È noto che ritorna alla normalità entro 20-30 minuti. Tuttavia, la durata dell’ipotensione può variare in base a fattori quali l’età gestazionale, la dose di anestesia, lo stato di salute generale del paziente e altri fattori. Soprattutto nelle donne in gravidanza con dosi elevate di anestesia o con ipertensione, la durata dell'ipotensione può essere più lunga. Pertanto, la durata dell'ipotensione deve essere valutata individualmente per ciascun paziente. Tuttavia, in questo studio è preferibile l'osservazione per i primi 15 minuti. Questa preferenza viene fatta perché l'algoritmo prevede l'ipotensione indotta dalla colonna vertebrale in base alle caratteristiche preoperatorie. Il periodo di osservazione prolungato, il verificarsi del parto, l’aumento della gittata cardiaca e l’inizio dell’infusione di ossitocina durante l’intervento rendono l’emodinamica una situazione complessa influenzata da molteplici fattori indipendenti. La raccolta dei dati terminerà dopo i primi 15 minuti e l'ipotensione che si verifica dopo il 15° minuto non verrà registrata per lo studio; l'osservazione verrà interrotta.

Raccolta dei dati di progetto:

Prima che i pazienti vengano portati in sala operatoria, verrà prelevata una quantità adeguata di sangue dai campioni di sangue pre-parto di routine prelevati dal paziente per i parametri ematici. Ad eccezione del Syndecan-1, gli altri parametri del sangue sono test di routine eseguiti di routine nei laboratori di biochimica dell'ospedale universitario di Hacettepe.

Durante la misurazione del sindecano-1, le letture dell'assorbanza verranno condotte utilizzando il dispositivo SpectraMax-M2 (Molecular Devices, USA) situato nel Dipartimento di Biochimica dell'Università di Hacettepe. Successivamente, i livelli sierici di sindecan-1 verranno calcolati utilizzando il programma GraphPad Prism basato sul grafico standard. L'approvvigionamento dei kit ELISA necessari per la misurazione del sindecano-1 sarà effettuato attraverso i finanziamenti ottenuti dall'Ufficio progetti e ricerca scientifica dell'Università di Hacettepe.

Analisi dei dati:

Durante le fasi di sviluppo dell'algoritmo verrà utilizzato il linguaggio di programmazione Python. Il processo di sviluppo dell’algoritmo di intelligenza artificiale seguirà le Linee guida per lo sviluppo e il reporting di modelli predittivi di machine learning nella ricerca biomedica: una linea guida Multidisciplinary View. I passi sono come segue:

• Raccolta dati: i dati verranno registrati compilando il modulo di raccolta dati.
• Elaborazione dei dati: dopo la raccolta dei dati, i dati verranno elaborati e suddivisi in modo casuale in dati di addestramento e dati di convalida interna. I dati verranno ripuliti da artefatti e interpretazioni errate.
• Annotazione: i dati verranno etichettati per la classificazione dell'intelligenza artificiale e verrà annotata la definizione di ipotensione. Verranno condotti studi per determinare il potenziale di rilevamento dell’ipotensione con l’intelligenza artificiale.
• Selezione delle funzionalità: verranno scelte le funzionalità che prevedono gli eventi annotati nella massima misura. Per questo processo verranno utilizzati uno o più algoritmi di selezione delle caratteristiche e le caratteristiche verranno selezionate in base al successo ottenuto nei modelli.
• Creazione del modello: verranno selezionate le caratteristiche più rilevanti nei dati e verrà sviluppato un modello. Algoritmi di classificazione fondamentale come K-Nearest Neighbours, Support Vector Machines (SVM), Decision Trees, Random Forest, comunemente usati per i processi di classificazione in letteratura, verranno utilizzati per ottenere rapporti di prestazione di base. Successivamente verrà sviluppato un metodo di deep learning e verrà esaminata la differenza prestazionale tra il metodo proposto e i metodi di base

Convalida incrociata: le prestazioni della versione iniziale del modello saranno ripetutamente sottoposte a convalida incrociata con sottogruppi di dati che il modello non ha mai visto prima. Ciò determinerà le prestazioni del modello esaminando le modifiche delle prestazioni al variare dei dati. A seconda della dimensione dei dati, verranno utilizzati metodi di convalida incrociata 10 volte o 5 volte.

Convalida interna: le prestazioni predittive dell'algoritmo addestrato con i dati di addestramento verranno valutate utilizzando dati di convalida interna che non ha mai incontrato.

Oltre al processo di sviluppo dell'algoritmo, se le variabili confrontate sono distribuite normalmente, test statistici come ANOVA; Verranno utilizzati il ​​test t di Student e il test U di Mann-Whitney in base al numero di gruppi confrontati e all'analisi della distribuzione normale delle variabili. L'analisi di correlazione di Pearson e l'analisi di correlazione di Spearman verranno utilizzate per analizzare la relazione tra i valori di ipotensione e altri parametri continui in base all'analisi della distribuzione normale delle variabili. Inoltre, la prevedibilità del sistema sarà testata utilizzando sensibilità, specificità, valore predittivo positivo (PPV), valore predittivo negativo (NPV), odds ratio (OR), rapporto di rischio (RR), curva caratteristica operativa del ricevitore e area sotto la curva (AUROC) e test del coefficiente di correlazione di Pearson (r). Sarà accettato un livello di significatività statistica pari a p<0,05. Per l'analisi statistica verrà utilizzato il software Statistical Packages for the Social Sciences v26.0 (SPSS Inc., Chicago, IL).