人工知能 - 手術中の低血圧を予測して予防する

スウェーデンでは毎年、約 80 万人の患者が手術を受けています。 このうち、比較的高い割合の人が、手術後に心臓や腎臓の損傷、脳卒中などの重篤な合併症を患い、さらには死に至ることもあります。 上記の合併症と手術中の血圧低下との間には関連性があることが証明されており、どのような場合でも、個々の患者の状態に基づいて血圧が安定した適切なレベルに保たれていれば、合併症の一部は潜在的に回避可能であることを意味します。

残念なことに、血圧低下のエピソードは、利用可能な標準的なモニタリング方法では予測することが困難であるため、残念なことに、手術中に起こることが多い。 カロリンスカ大学病院では現在、人工知能の助けを借りて、血圧低下が起こる前に警報を鳴らすことができる新しいシステムを構築中です。 この研究では、手術中の標準モニタリングからデータを収集して組み合わせます。腹部手術を受ける患者の脈拍、血圧、酸素化、心拍出量、心電図、血液ガスからの検査値。これは術後合併症に苦しむリスクが高い患者群です。 この情報に、吐き出された二酸化炭素の変化に基づく循環モニタリングの新しい方法からの関連データも追加します。 また、出血、薬の影響、脱水など、血圧が下がった理由も記録します。これは、AI アルゴリズムが低血圧のさまざまな原因を、必要な対策が異なるため区別できるようにすることを目的としています。 AI アルゴリズムは、まず大規模な患者グループからデータを収集し、次に他の代表的な患者からなる小規模なグループで評価することによって開発されます。

手術に関連した当社の標準モニタリングからのデータは、カプノダイナミック法に基づく心拍出量の推定値で補足されます。 研究対象者は眠らされ、改良された集中治療用人工呼吸器 (servo-i(R) Getinge) によって換気されます。 この人工呼吸器にはCEマークを取得した研究用ソフトウェアが搭載されています。 ソフトウェアは、9 回の呼吸のうち 3 回の後にわずかに長い休止時間を追加することにより、人工呼吸器の呼吸パターンを変更します。 この呼吸パターンにより、吐き出される二酸化炭素のレベルは約 1 kPa と緩やかに変化します。 この人工呼吸器はいくつかの大規模動物研究や臨床研究で使用されており、そのうちの 2 つは私たちの研究グループによって実施されました。 集中治療用人工呼吸器が使用されるため、患者はガス麻酔ではなく、いわゆる全静脈麻酔（TIVA）で麻酔されます。 これは、この種の手術における現在のルーチンとは異なります。 ただし、TIVA は他のいくつかの種類の手術でも使用されており、私たちはこの方法に精通しています。 国内外のいくつかの病院では、腹部の大きながんの手術でも第一選択の方法としてTIVAが使用されています。これは、患者がその後に軽度の再発（転移）を起こすことを示唆するデータがあるためです。 ケアの過程で発生した出来事が記録され、定性分析用の資料に追加されます。 このようなイベントの例としては、薬物や水分の投与、および低血圧の考えられる原因が挙げられます。出血、体位の変化など。 カプノ法の混合静脈飽和度の計算を比較できるようにするために、手術中に中心静脈カテーテルから血液サンプルが 1 時間ごとに採取されます。 各サンプルには約 2 ml の血液が含まれています。 5時間の手術では、これは約1clの血液に相当します。 静脈サンプルと同時に、同じ血液量の動脈血液ガスが採取されます。 これらのサンプルはおよそ次のように採取されます: 臨床ルーチンでは手術中に 2 時間ごとに採取されますが、研究プロトコールでは中心静脈カテーテルからのサンプルと同期して 1 時間ごとに採取されます。

また、治療期間や合併症などの臨床転帰も保存されるため、低血圧の投与量と合併症を関連付けることができます。 上記の内容は、臨床日常で測定および登録したものであり、研究対象者へのさらなる影響を示唆するものではありません。 データの分析は、その後、当社のコンピューターとサーバー上で研究者によって行われます。 人工知能 (AI) と機械学習 (ML) を通じて、低血圧を予防的に予測するための効果的かつ正確な方法を構築することを目的として、AI アルゴリズムをトレーニングします。 記録されたデータが使用されるため、同じデータの結果を取得し、アルゴリズムを実際に起こったことと比較できます。