院外心停止における転帰の予測 (PREDOHCA)

オーバーエスターライヒ州では、病院前の呼吸および循環停止の過程で、毎年約 1,000 人が心肺蘇生法によって蘇生されています。 方法や機器の絶え間ないさらなる開発、現場で働く救助・救急医療チームの継続的な訓練にもかかわらず、病院前で蘇生が必要な患者の大部分は依然として死亡しています。 しかし、病院前の蘇生処置（自然循環復帰、ROSC）中に循環機能を回復できる患者であっても、数日から数週間にわたる集中的な治療が必要であり、通常の自立した生活に戻るのは非常に困難であることがよくあります。

蘇生措置が成功するかどうかは、実施される蘇生の質と患者固有の要因によって決まります。 脳パフォーマンスカテゴリースコア（CPC）などの評価スケールにより、蘇生成功の事後評価が可能になります。 現在、蘇生の結果をアプリオリに推定することは非常に困難です。 多くの場合、治療経路の開始時点では、個々の患者が呼吸停止の状況で予後不良になることが予想されるかどうか、あるいは完全な回復が可能かどうかはまったく明らかではありません。

したがって、蘇生を継続するか中止するかの決定は、個々の医師の評価に基づいてのみ行うことができます。 蘇生の中止が早すぎるという主な懸念に加えて、蘇生後に成功を期待せずに医療リソースが通常のレベルを超えて使用されるリスクもあります。 急性期の治療チームにとって、その後の結果を推定して分類することは困難であり、精神的にストレスがかかります。 結果に影響を与えるいくつかの要因が現在知られています。脳灌流低下が増加すると、生存確率は分を追うごとに急激に減少します。 これに関連して、可逆的な原因​​の可能性がさまざまな研究で特定されており、原因療法によって神経学的転帰を改善できるようになりました。 脳の灌流を最小限に抑えることを目的とした、低灌流を橋渡しする最も重要な治療法である胸骨圧迫に加えて、特に即時除細動について言及する必要があります。これにより、現在、パブリックアクセス除細動ネットワークの一部として医療関係者でも除細動器の使用が許可されています。

しかし、あらゆる努力にもかかわらず、早期段階の多数の症例において、呼吸停止および循環停止を起こした人の予想される転帰について、高い確実性を持って信頼できる声明を発表することはまだ不可能です。

人工知能とは、画像内のオブジェクトの認識や分類などの認知タスクを実行する機械の能力を指します。 長い間、多くのプロセスは複雑すぎて、十分なコンピューティング能力、ストレージ容量、理解力がなければ探索できませんでした。 しかし、最近では技術の進歩により、いわゆるニューラル ネットワーク (1950 年頃から知られている) に基づくものなど、機械学習 (ML) とその背後にある構造が再び注目を集めています。 理論的なモデルの開発だけでなく、広範なテストを経て、日常の日常的な操作に適用できるデバイスも利用可能です。

最新の機械学習手法により、複雑なシステムのモデル化やモデル間の関係の発見など、運用を評価するためのさまざまな新しいアプローチが可能になりました。