최적의 PEEP를 결정할 때 AI 모델 평가
집중 치료에서 기계적 환기에서 최적의 PEEP를 결정하는 인공 지능 모델의 성공 평가
그의 연구는 전향 적 관찰 임상 시험으로 설계되었습니다. 혈역학 적으로 안정적이고 ICU에서 기계적 환기가 필요한 18 세 이상의 환자가 포함됩니다. 포함 기준은 참가자에게 개별화 된 환기 최적화가 필요합니다.
이 연구에는 AI 생성 PEEP 권장 사항과 전문가 결정된 PEEP 수준의 비교가 포함됩니다. ICU 전문가는 표준화 된 프로토콜을 기반으로 수동으로 PEEP 적정을 수행하여 낮은 변곡점 (LIP) 및 UIP (상단 변곡점)를 식별하여 환기를 최적화합니다. 압력-볼륨 (P-V) 곡선을 분석하여 최적의 폐포 모집을 보장하고 과도를 방지합니다.
학습 절차
참가자 :
흡기 홀드 및 호기 홀드 기동, 규정 준수, 엘라스틱, 자동 파이프 및 시간 상수 평가를 포함한 체계적인 기계적 환기 평가를받습니다.
Chatgpt, Deepseek 및 Gemini의 세 가지 AI 모델을 사용하여 환기 데이터를 수집하고 분석했습니다.
최적의 PEEP 수준, 비정상적인 환기 매개 변수 및 잠재적 치료 제안에 관한 AI 생성 권장 사항을받습니다.
5 년 이상의 경험을 가진 ICU 전문가가 결정한 것과 비교하여 AI 기반 PEEP 권장 사항을 보유하십시오.
결과 측정
이 연구는 다음 1 차 및 2 차 측정을 기반으로 AI 및 전문가 평가를 비교합니다.
1 차 결과 : AI 생성 PEEP 수준과 전문가 결정 PEEP 수준 간의 계약.
2 차 결과 :
비정상적인 환기 매개 변수를 탐지 할 때 AI 감도 및 특이성. AI 생성 진단의 정확도. AI 권장 치료 전략의 임상 적용 가능성. 이 연구는 AI 모델이 ICU 환자의 인공 호흡기 관리를위한 신뢰할 수있는 임상 의사 결정 지원 도구 역할을 할 수 있는지 여부를 결정하는 것을 목표로합니다.
연구 개요
상세 설명
혈역학 적으로 안정적이고 18 세 이상인 중환자 실 (ICU)에서 기계적 환기 지원을받는 환자는이 연구 자격이있는 것으로 간주됩니다. 이러한 기준은 환자가 개별화 된 인공 호흡기 관리 최적화에 적합하면서 적절한 호흡기 지원을 요구하도록 설정되었습니다.
환자 선발 과정에서 ICU 환자의 의료 기록을 검토하고 기준을 충족하는 사람들이 연구에 포함됩니다. 임상 데이터의 정확성을 보장하기 위해 중환자 전문가가 환자 선택 과정을 수행합니다.
포함 된 환자의 기계적 환기 파라미터는 체계적으로 기록됩니다. 이러한 맥락에서, 흡기 보류 및 호기 보류 조작은 환자의 호흡기 역학을 평가하기 위해 적용될 것이다. 기록 된 측정에는 준수 (폐 탄성), 엘라스틱 (폐 강성), 자동 파수 (공기 포획) 및 시간 상수 (가스 교환 지속 시간)가 포함됩니다.
이러한 기본 환기 매개 변수 외에도 압력-볼륨 (P-V) 곡선을 분석하여 환기 최적화를위한 중요한 데이터를 수집합니다. 이 절차는 ICU 인공 호흡기 및 환자 모니터링 시스템에 통합 된 고급 분석 모듈을 사용하여 수행됩니다. 수집 된 데이터는 전문가와 인공 지능 (AI) 모델에 의해 수동으로 분석됩니다.
이 연구에서는 중환자 전문가가 PEEP 적정을 수동으로 수행합니다. 이 과정은 삽관 된 환자를위한 삽관 직후에 적용되며 매일 계속됩니다. 절차는 사전 정의 된 프로토콜에 따라 표준화되고 모든 환자에 따라 일관되게 적용됩니다.
더 낮은 변곡점 (LIP)이 확인되며, 폐포 모집이 시작되는 시점에서 PEEP가 적용됩니다. 이 단계는 폐 붕괴를 예방하고 최적의 산소화를 보장하는 데 중요합니다. 또한, 상부 변곡점 (UIP)은 과도를 방지하기 위해 결정되어 조석 부피 가이 압력 임계 값 아래로 유지되도록합니다. 더 낮은 변곡점이 명확하게 식별되지 않으면, 표준 접근법으로서 약 10 cmh₂o의 PEEP 수준이 적용됩니다.
인공 호흡기의 압력-볼륨 곡선은 최적의 PEEP 수준이 달성되었는지 평가하기 위해 분석됩니다. 곡선이 위로 이동하면 성공적인 폐포 모집의 지표로 간주됩니다. 곡선이 오른쪽으로 바뀌면 과잉의 위험이 있음을 나타내며 PEEP 감소를 유발합니다. 이 접근법에 의해, 각 환자에게 가장 적합한 PEEP 수준이 결정되며, 따라서 인공 호흡기 설정은 그에 따라 최적화됩니다. 이 절차는 우리 병원에 정기적으로 적용되며 전 세계적으로 적용되며 PEEP 적정에 가장 선호되는 방법 중 하나입니다.
수집 된 모든 환기 매개 변수는 Chatgpt, Deepseek 및 Gemini의 세 가지 인공 지능 모델에 입력됩니다. 이 시스템은 다음을 제공해야합니다.
환자를위한 최적의 PEEP 수준 권장 사항 비정상적인 환기 매개 변수를 탐지하는 능력 3 가지 가능한 진단 제안 AI 모델에 의해 제공된 데이터는 경험이 풍부한 ICU 전문가가 수행 한 수동 평가와 비교할 것입니다. 이 비교는 AI 모델이 임상 의사 결정 지원 도구 역할을 할 수있는 정도를 결정하는 것을 목표로합니다. AI 생성 권장 사항의 신뢰성, 정확성 및 임상 적용 가능성을 철저히 분석합니다.
연구의 마지막 단계에서 AI 모델에 의해 결정된 PEEP 수준은 5 년 이상의 경험을 가진 ICU 전문가에 의해 식별 된 것과 비교됩니다. 다음 기준이 평가됩니다.
AI 모델과 PEEP 수준에 대한 전문가 의견 (1 차 결과 측정) AI 생성 진단의 비정상적인 환기 매개 변수를 탐지 할 때 AI의 민감도 및 특이성 AI 고발 치료 접근법의 임상 적용 가능성
연구 유형
등록 (추정된)
연락처 및 위치
연구 장소
-
-
-
Istanbul, 칠면조, 34303
- 모병
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
연락하다:
- Engin ihsan Turan
- 전화번호: 05382431114
- 이메일: enginihsan@hotmail.com
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준 :
- 18 세 이상의 환자 (성인 환자 그룹).
- 중환자 실 (ICU)에서 기계적 환기가 필요한 환자.
- 안정적인 혈압과 심박수를 가진 혈역학 적으로 안정적인 환자.
- 동맥 혈액 가스 값 및 환기 매개 변수를 포함한 완전한 의료 기록이있는 환자.
- 법적 대리인 (해당되는 경우)이 연구 참여에 대한 사전 동의를 제공 한 환자.
제외 기준 :
- 체외 막 산소화를받은 환자 (ECMO).
- 내화 저혈압 또는 지속적인 혈관 압도자 지원이 필요한 부정맥과 같은 심각한 혈역학 적 불안정성이있는 환자.
- 불완전한 의료 기록 환자, 특히 환기 매개 변수 또는 동맥 혈액 가스 분석에 대한 중요한 데이터가 누락 된 환자.
- 연구 참여를 거부하는 환자 또는 법적 대리인.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
AI 생성 PEEP 그룹 (실험 그룹)
이 그룹의 환자는 AI 모델 (ChatGpt, DeepSeek 및 Gemini)을 사용하여 최적의 PEEP 수준을 결정합니다.
AI Models는 준수, 엘라스틱, 자동 파수, 시간 상수 및 압력-볼륨 (P-V) 곡선을 포함한 기계적 환기 데이터를 분석하여 PEEP 권장 사항을 생성합니다.
이러한 AI 생성 값은 정확성, 임상 적 관련성 및 전문가 결정과의 합의에 대해 기록 및 분석됩니다.
|
이 연구에서 3 개의 인공 지능 (AI) 모델 (ChatGpt, DeepSeek 및 Gemini)은 환자 별 관목증 권장 사항을 생성하기 위해 규정 준수, 엘라스틱, 자동 파수, 시간 상수 및 압력-볼륨 (P-V) 곡선을 포함한 기계적 환기 데이터를 분석합니다. 이 AI 생성 권장 사항은 숙련 된 ICU 전문가가 수행하는 수동 PEEP 적정과 비교됩니다. AI 모델은 또한 비정상적인 환기 매개 변수 탐지, 진단 제안 및 치료 권장 사항을 제공합니다. 이 연구는 기계적으로 환기 된 ICU 환자를위한 PEEP 설정을 최적화 할 때 AI 생성 출력의 신뢰성, 정확성 및 임상 적용 가능성을 평가하는 것을 목표로합니다. |
|
전문가 결정 PEEP 그룹 (제어 그룹)
이 그룹에서는 표준 임상 프로토콜을 사용하여 ICU 전문가가 PEEP 적정을 수동으로 수행합니다.
전문가들은 낮은 및 상부 변곡점 식별 및 압력-볼륨 곡선 분석을 기반으로 PEEP 수준을 결정합니다.
그들의 결정은 AI 생성 권장 사항을 평가하기위한 참조 표준 역할을합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI 생성 및 전문가 결정 PEEP 수준 간의 계약
기간: 7 일
|
주요 결과는 AI 모델 (ChatGpt, DeepSeek, Gemini)이 권장하는 PEEP 수준과 ICU 전문가가 수동으로 결정한 사이의 계약입니다.
일관성을 측정하기 위해 Bland-Altman 분석 및 클래스 내 상관 계수 (ICC)를 사용하여 계약이 평가됩니다.
|
7 일
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
비정상 환기 매개 변수를 탐지하는 AI 모델의 민감도 및 특이성
기간: 7 일
|
AI 모델은 전문가 평가와 비교하여 비정상적인 환기 매개 변수 (예 : 자동 파수, 부족 준수, 과거)를 정확하게 식별 할 수있는 능력에 대해 평가됩니다.
민감도, 특이성, PPV (Positive Predictive Value) 및 NPV (Negative Predictive Value)가 계산됩니다.
|
7 일
|
|
AI 생성 진단 예측의 정확도
기간: 7 일
|
AI 모델에 의한 진단 제안의 정확도는 ICU 전문가의 임상 평가와 비교됩니다.
계약은 Cohen의 Kappa 통계를 사용하여 측정됩니다.
|
7 일
|
|
AI 생성 치료 권장 사항의 임상 적용 가능성
기간: 기계식 환기의 첫 24 시간 내에.
|
AI 모델이 제공하는 치료 권장 사항의 타당성 및 임상 적 관련성은 5 점 리 커트 척도 (1 = 유용하지 않음, 5 = 매우 유용함)를 사용하여 ICU 전문가에 의해 평가됩니다.
|
기계식 환기의 첫 24 시간 내에.
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .