Sviluppo di un modello di punteggio e previsione per il successo dello svezzamento nei pazienti con ARDS utilizzando parametri di ventilazione combinati con intelligenza artificiale e tecniche di deep learning

Lo scopo di questo studio è sviluppare un sistema di punteggio supportato dall'intelligenza artificiale e dal deep learning utilizzando i parametri del ventilatore ottenuti durante il processo di ventilazione meccanica in pazienti con diagnosi di ARDS. Questo sistema cerca di prevedere e ottimizzare il processo di svezzamento, facilitando il successo della liberazione dalla ventilazione meccanica.

In questo contesto, il nostro studio analizzerà i dati di 25.000 pazienti ottenuti dal sistema Metavision. Da questo pool di dati, i pazienti con ARDS verranno filtrati e divisi in due gruppi: quelli svezzati con successo dalla ventilazione meccanica (svezzati) e quelli che non lo furono (non svezzati). Verranno esaminati in dettaglio i parametri del ventilatore di entrambi i gruppi, inclusi gli indici di ossigenazione, la pressione di guida e la potenza meccanica totale.

I dati raccolti verranno analizzati utilizzando algoritmi di intelligenza artificiale e deep learning per sviluppare un sistema di punteggio in grado di prevedere i processi di svezzamento dei pazienti. Questo sistema è progettato per guidare i medici nella gestione dei pazienti e migliorare il successo delle procedure di svezzamento.

I risultati di questo studio mirano a contribuire a una gestione più efficiente e sicura del processo di svezzamento per i pazienti con ARDS. Inoltre, si prevede che l’implementazione di sistemi di punteggio supportati dall’intelligenza artificiale nelle unità di terapia intensiva promuoverà un’adozione diffusa e migliorerà la qualità dell’assistenza ai pazienti.