인공지능 - 수술 중 저혈압 예측 및 예방

매년 스웨덴에서는 약 80만 명의 환자가 수술을 받습니다. 그 중 상대적으로 높은 비율이 수술 후 심장 및 신장 손상, 뇌졸중, 심지어 사망과 같은 심각한 합병증을 겪습니다. 위의 합병증과 수술 중 혈압 강하 사이에는 입증된 연관성이 있습니다. 이는 혈압이 각 환자의 상태에 따라 안정적이고 적절한 수준으로 유지되면 어떤 경우에도 일부 합병증을 잠재적으로 피할 수 있음을 의미합니다.

불행하게도, 혈압 강하는 현재 이용 가능한 표준 모니터링 방법으로는 예측하기 어렵기 때문에 수술 중에 종종 발생합니다. 카롤린스카 대학 병원에서는 현재 인공 지능의 도움으로 혈압이 떨어지기 전에도 경보를 울릴 수 있는 새로운 시스템을 구축하고 있습니다. 본 연구에서는 수술 중 표준 모니터링에서 데이터를 수집하고 결합합니다. 수술 후 합병증으로 고통받을 위험이 더 높은 환자 그룹인 복부 수술을 받는 환자의 맥박, 혈압, 산소 공급, 심박출량, ECG, 혈액 가스의 실험실 값. 이 정보에 호기된 이산화탄소의 변화를 기반으로 한 순환 모니터링을 위한 새로운 방법의 관련 데이터도 추가할 것입니다. 또한 출혈, 약물 영향, 탈수 등 혈압이 떨어지는 이유도 기록할 예정이며, AI 알고리즘은 서로 다른 조치가 필요하기 때문에 저혈압의 다양한 원인을 구별할 수 있어야 한다는 목표를 가지고 있습니다. AI 알고리즘은 처음에는 대규모 환자 그룹에서 데이터를 수집한 다음 다른 대표 환자의 소규모 그룹을 평가하여 개발됩니다.

수술과 관련된 표준 모니터링 데이터는 카프노역학 방법을 기반으로 한 심박출량 추정치로 보완됩니다. 연구 피험자는 수면을 취하고 개조된 집중 치료 인공호흡기(servo-i(R) Getinge)를 통해 환기됩니다. 이 인공호흡기에는 CE 마크가 있는 연구용 소프트웨어가 있습니다. 소프트웨어는 9번의 호흡 중 3번의 호흡 후에 약간 연장된 일시 중지를 추가하여 인공호흡기 호흡 패턴을 수정합니다. 이러한 호흡 패턴으로 인해 내쉬는 이산화탄소 수준은 약 1kPa로 약간 변합니다. 인공호흡기는 여러 대규모 동물 연구와 임상 연구에 사용되었으며 그 중 두 가지는 우리 연구 그룹에서 수행되었습니다. 중환자실 인공호흡기를 사용해야 하기 때문에 환자는 가스마취 대신 일명 TIVA(전정맥마취)로 마취를 하게 된다. 이러한 유형의 수술은 현재의 일상적인 수술과는 다릅니다. 그러나 TIVA는 여러 다른 유형의 수술에도 사용되며 우리는 그 방법에 대해 잘 알고 있습니다. 국내외 여러 병원에서는 복부의 대규모 암 수술에도 TIVA를 1차 치료법으로 활용하고 있다. 그 이유는 환자가 후유증으로 경미한 재발(전이)을 겪는다는 데이터가 있기 때문이다. 치료 과정에서 발생한 사건을 기록하여 정성 분석 자료에 추가합니다. 이러한 사건의 예는 다음과 같습니다: 약물 및 수액 투여, 저혈압의 원인; 출혈 신체 위치 변화 등 Capno 방법의 혼합 정맥 포화도 계산을 비교할 수 있도록 수술 중 매 시간마다 중심 정맥 카테터에서 혈액 샘플을 채취합니다. 각 샘플에는 약 2ml의 혈액이 들어 있습니다. 5시간 동안의 작업에서 이는 약 1cl의 혈액에 해당합니다. 정맥 샘플과 동시에 동맥혈 가스도 동일한 혈액량으로 채취됩니다. 이러한 샘플은 대략 다음과 같이 채취됩니다. 임상 루틴에서는 수술 중 매 2시간마다 채취되지만 연구 프로토콜에서는 중심정맥 카테터의 샘플과 동시에 매 시간 채취됩니다.

또한 치료 기간, 합병증 등의 임상적 결과도 저장되므로 저혈압 용량을 합병증과 연관시킬 수 있습니다. 위에서 설명한 내용은 임상 과정에서 측정하고 등록하는 사항이므로 연구 대상자에게 더 이상의 영향을 미치지 않습니다. 데이터 분석은 이후 연구원들이 컴퓨터와 서버에서 수행합니다. 저혈압을 예방적으로 예측하기 위한 효과적이고 정확한 방법을 구축하는 것을 목표로 인공지능(AI)과 머신러닝(ML)을 통해 AI 알고리즘을 훈련합니다. 기록된 데이터를 사용하기 때문에 동일한 데이터의 결과를 검색하고 알고리즘을 실제로 발생한 것과 비교할 수 있습니다.