Efficacia degli algoritmi di intelligenza artificiale

Introduzione Nel corso della storia umana, gli interventi chirurgici sono stati frequentemente utilizzati nel trattamento umano. Tuttavia, nonostante le loro proprietà terapeutiche, il dolore sperimentato dai pazienti, soprattutto nel periodo postoperatorio acuto, può rappresentare una sfida per i medici. Il dolore acuto postoperatorio è un importante problema di salute pubblica. Mentre l’80% dei pazienti riferisce di provare dolore nel periodo postoperatorio, l’88% di loro avverte livelli di dolore moderati o elevati. Secondo un altro studio, più del 60% dei pazienti chirurgici soffre di dolore postoperatorio acuto da moderato a grave e questo dolore è stato associato allo sviluppo di dolore postoperatorio cronico. Il dolore postoperatorio mal gestito può portare a esiti negativi come minore soddisfazione del paziente, ritardo nel recupero del paziente, aumento della durata della degenza ospedaliera, aumento dei costi sanitari, dolore cronico, prescrizione non necessaria di oppioidi, abuso di oppioidi, overdose e morte. Inoltre, al fine di fornire una gestione efficace del dolore, viene spesso utilizzato il metodo di fornire un trattamento analgesico preventivo prima che inizi il dolore. Tuttavia, questa situazione può portare alla somministrazione di farmaci non necessaria in molti pazienti e, di conseguenza, a molti eventi avversi come sanguinamento, depressione respiratoria, eventi cardiaci o effetti collaterali sul sistema gastrointestinale di oppioidi, farmaci antinfiammatori non steroidei e altri analgesici. Di conseguenza, la difficoltà nel prevedere il dolore acuto postoperatorio porta a una gestione del dolore non ottimale. Pertanto, essere in grado di prevedere quali pazienti soffriranno di dolore postoperatorio acuto da moderato a grave ottimizzerà il rapporto rischio-beneficio dei trattamenti analgesici perioperatori e garantirà che venga somministrato un trattamento appropriato. Sebbene diversi studi su questo argomento abbiano cercato di prevedere il dolore postoperatorio con l’analisi di regressione logistica, il risultato desiderato non è stato ancora raggiunto. Questa situazione diventa ancora più importante negli interventi chirurgici ad alto rischio di forte dolore nel periodo postoperatorio, come la resezione polmonare. Per ridurre o prevenire le complicanze polmonari postoperatorie nei pazienti sottoposti a resezione polmonare, è molto importante che i pazienti siano in grado di tossire senza sentire dolore e quindi di rimuovere le secrezioni dalle vie respiratorie. Se non viene fornita un'analgesia sufficiente, questi pazienti non possono eseguire questa operazione in modo efficace. Ciò aumenta le complicazioni, la degenza ospedaliera e i costi di assistenza del paziente. Per prevenire queste situazioni negative e fornire un’analgesia ottimale, sono necessari nuovi metodi per prevedere i livelli di dolore postoperatorio. Negli studi sono stati proposti numerosi modelli per comprendere i fattori di rischio che esacerbano il dolore postoperatorio acuto grave. La maggior parte della ricerca in quest’area si è concentrata sulla determinazione dei fattori di rischio per il dolore postoperatorio utilizzando la metodologia statistica. Studi precedenti suggeriscono che i modelli di apprendimento automatico possono sovraperformare i modelli statistici lineari nella classificazione degli esiti correlati al dolore postoperatorio quando vengono prese in considerazione caratteristiche simili. Pertanto, gli algoritmi di intelligenza artificiale (AI) sono algoritmi in grado di combinare e analizzare dati complessi con centinaia di variabili e fornire nuovi output e possono guidare una soluzione efficace nella previsione e gestione del processo postoperatorio. Studi precedenti hanno mostrato risultati promettenti nella previsione del dolore postoperatorio acuto con un’area sotto la curva (AUC) di 0,70 utilizzando algoritmi di intelligenza artificiale per prevedere il dolore con i dati perioperatori. Tuttavia, sono necessari studi su questo argomento in un intervento chirurgico specifico come la resezione polmonare, che può causare dolore grave.

Questo studio mirava a prevedere il dolore postoperatorio analizzando i dati perioperatori utilizzando algoritmi AI nelle resezioni polmonari e a determinare l'efficacia degli algoritmi AI a questo riguardo. Pertanto, l’obiettivo era ridurre l’uso non necessario di analgesici nei pazienti, eliminare i possibili effetti collaterali di questi farmaci e avviare tempestivamente un trattamento analgesico efficace nei pazienti ad alto rischio di dolore.

Scopo/Ipotesi:

Questo studio mirava a prevedere il dolore postoperatorio analizzando i dati perioperatori utilizzando algoritmi AI nelle resezioni polmonari e a determinare l'efficacia degli algoritmi AI a questo riguardo.

H0: Gli algoritmi di intelligenza artificiale non sono efficaci nel prevedere il dolore postoperatorio nelle resezioni polmonari.

H1: Gli algoritmi di intelligenza artificiale sono efficaci nel prevedere il dolore postoperatorio nelle resezioni polmonari.

Metodo materiale:

Questo studio sarà condotto in conformità con la Dichiarazione di Helsinki e sarà effettuato presso l'Ospedale di formazione e ricerca del sanatorio SBÜ Ankara Atatürk dopo aver ricevuto l'approvazione del comitato etico. Il nostro studio è uno studio retro-prospettico. I dati dei pazienti raccolti retrospettivamente verranno valutati prospetticamente con algoritmi di intelligenza artificiale.