人工知能アルゴリズムの有効性

はじめに 人類の歴史を通じて、外科的介入は人間の治療に頻繁に使用されてきました。 しかし、その治療効果にもかかわらず、特に術後の急性期に患者が経験する痛みは、臨床医にとって非常に困難な場合があります。 術後の急性疼痛は公衆衛生上の重要な問題です。 患者の 80% が術後に痛みを感じたと報告していますが、そのうちの 88% は中等度以上の痛みを経験しています。 別の研究によると、外科患者の 60% 以上が中等度から重度の急性術後疼痛に苦しんでおり、この痛みは慢性術後疼痛の発症に関連しているとされています。 術後の痛みの管理が不十分であると、患者満足度の低下、患者の回復の遅れ、入院期間の延長、治療費の増加、慢性疼痛、不必要なオピオイド処方、オピオイド乱用、過剰摂取、死亡などのマイナスの結果につながる可能性があります。 さらに、効果的な疼痛管理を提供するために、痛みが始まる前に予防鎮痛治療を提供する方法がよく使用されます。 しかし、この状況は多くの患者に不必要な薬物投与をもたらし、その結果、出血、呼吸抑制、心臓イベント、オピオイド、非ステロイド性抗炎症薬、その他の鎮痛薬による胃腸系の副作用などの多くの有害事象を引き起こす可能性があります。 その結果、術後の急性疼痛を予測することが困難となり、疼痛管理が最適以下になることになります。 したがって、どの患者が中等度から重度の急性術後疼痛に苦しむかを予測できれば、周術期の鎮痛治療のリスクベネフィット比が最適化され、適切な治療が確実に施されるようになります。 このテーマに関するさまざまな研究では、ロジスティック回帰分析を使用して術後の痛みを予測することが試みられていますが、望ましい結果はまだ達成されていません。 この状況は、肺切除など術後に激しい痛みを伴うリスクが高い手術ではさらに重要になります。 肺切除を受ける患者の術後肺合併症を軽減または予防するには、患者が痛みを感じずに咳をすることができ、それによって気道から分泌物を除去できることが非常に重要です。 十分な鎮痛が提供されないと、これらの患者は効果的に鎮痛を行うことができません。 これにより、合併症、入院期間、患者の治療費が増加します。 このようなマイナスの状況を回避し、最適な鎮痛を提供するには、術後の痛みのレベルを予測する新しい方法が必要です。 重度の急性術後疼痛を悪化させる危険因子を理解するために、研究で多数のモデルが提案されています。 この分野の研究のほとんどは、統計的手法を使用して術後疼痛の危険因子を特定することに焦点を当てています。 これまでの研究では、同様の特徴を考慮した場合、機械学習モデルが術後の疼痛関連転帰の分類において線形統計モデルよりも優れたパフォーマンスを発揮できることが示唆されています。 したがって、人工知能 (AI) アルゴリズムは、複雑なデータと数百の変数を組み合わせて分析し、新しい出力を提供できるアルゴリズムであり、術後プロセスの予測と管理において効果的なソリューションを導くことができます。 これまでの研究では、周術期データに基づいて痛みを予測する人工知能アルゴリズムを使用して、曲線下面積 (AUC) 0.70 で急性術後疼痛を予測する有望な結果が示されています。 ただし、重度の痛みを伴う可能性がある肺切除などの特定の手術では、このテーマに関する研究が必要です。

この研究は、肺切除術における AI アルゴリズムを使用して周術期データを分析することで術後疼痛を予測し、この点における AI アルゴリズムの有効性を判断することを目的としていました。 したがって、患者における不必要な鎮痛薬の使用を減らし、これらの薬剤の副作用の可能性を排除し、痛みのリスクが高い患者に対して効果的な鎮痛治療を適時に開始することを目的としました。

目的/仮説:

この研究は、肺切除術における AI アルゴリズムを使用して周術期データを分析することで術後疼痛を予測し、この点における AI アルゴリズムの有効性を判断することを目的としていました。

H0: 人工知能アルゴリズムは、肺切除術における術後の痛みの予測には効果的ではありません。

H1: 人工知能アルゴリズムは、肺切除術における術後の痛みの予測に効果的です。

材料-方法:

この研究はヘルシンキ宣言に従って実施され、倫理委員会の承認を得た後、SBÜアンカラ・アタテュルク療養所訓練研究病院で実施される。 私たちの研究は遡及的研究です。 遡及的に収集された患者データは、人工知能アルゴリズムを使用して前向きに評価されます。