AiCR: Intelligenza Artificiale nell'arresto cardiaco (AiCR)

L'incidenza complessiva dell'arresto cardiorespiratorio in Europa è stimata tra 350.000 e 700.000 casi all'anno. Il tasso di sopravvivenza è stimato al 10,7% per tutti i disturbi del ritmo combinati.

Esistono diversi esempi di applicazione dell'IA in campo medico. Ting et al hanno sviluppato uno strumento informatico in grado di diagnosticare la presenza di retinopatia diabetica con ottima potenza. Nella rianimazione, Celi et al. hanno proposto uno strumento in grado di prevedere la necessità di riempimento vascolare cristalloide durante uno stato infiammatorio sistemico. In Nature nel 2018, Komorowski ha dimostrato l'efficacia dell'IA nella gestione emodinamica della sepsi. In uno studio sulla risposta renale alla sfida fluida, Zhang et al. dimostrare l'efficacia della macchina per l'apprendimento.

Obiettivi: Determinazione di un algoritmo in grado di prevedere la mortalità dei pazienti ricoverati in unità di terapia intensiva (ICU) per ACR dai rapporti di ricovero (CRH). Utilizzo dell'algoritmo anche per prevedere il rischio di recidiva dell'arresto, la durata della ventilazione meccanica, la comparsa di sepsi, lo sviluppo di insufficienza d'organo, la previsione del CPC (Cerebral Performance Category), il tempo per ottenere la sospensione delle catecolamine, la comparsa di insufficienza renale acuta con o senza necessità di purificazione extra-renale (EER) e durata sotto EER, la durata media della degenza.

Questo progetto fa parte di un più ampio progetto nazionale con maggiore potenza e include tutti i dati generati durante il ricovero in terapia intensiva.

Metodo: un numero totale stimato di pazienti inclusi in questo studio tra 300 e 500. La popolazione proverrà dalle unità di terapia intensiva di Nizza, Antibes, Cannes, Grasse.

L'inclusione sarà retrospettiva, su CRH, CR dell'imaging TC (cerebrale e toraco-addomino-pelvico), MRI, EEG e parole di follow-up giornaliere, dal 2014 alla fine del 2020.

Dopo l'anonimizzazione, applicazione della semantizzazione mediante metodi di elaborazione del linguaggio naturale (NLP). I dati da estrarre vengono inseriti in un documento redatto dai medici di terapia intensiva. Questi dati verranno poi archiviati in un database. Per raggiungere l'obiettivo principale, svilupperemo un algoritmo informatico in grado di prevedere la mortalità nella popolazione dello studio. Questo algoritmo, basato su un database di grandi dimensioni, può essere progettato utilizzando tecniche di machine learning o anche di deep learning a seconda della quantità di dati da elaborare.