Risicowaarschuwingsmodel van postoperatief delirium en langdurige cognitieve disfunctie bij oudere patiënten

De incidentie van postoperatief delirium bij oudere patiënten is hoog, wat kan leiden tot postoperatieve neurocognitieve stoornissen op de lange termijn. De hoge risicofactoren zijn nog niet duidelijk. Momenteel is er een gebrek aan vroege diagnose- en alarmtechnologie voor perioperatieve neurocognitieve stoornissen, waardoor vroegtijdige interventie en effectieve behandeling niet mogelijk zijn. Door middel van kunstmatige intelligentie en een autonoom evolutionair neuraal netwerkalgoritme, vertrouwend op klinische big data uit meerdere bronnen, hebben we het gebruik van het Bayesiaanse netwerk onderzocht om het besluitvormingssysteem voor anesthesie te optimaliseren bij verbeterd herstel na een operatie, en hebben we een risicovoorspellingsmodel voor peri-operatieve kritieke gebeurtenissen opgesteld. Verwacht wordt dat deze methode ook zal helpen bij het opzetten van een risicovoorspellingsmodel voor postoperatief delirium en postoperatieve neurocognitieve stoornissen op de lange termijn. Dit project is van plan om de perioperatieve gevoelige parameters van de anesthesiemachine, multiparametermonitor, EEG-monitor, fMRI en HIS-systeem te verzamelen, om het evolutieproces van gegevenskarakteristieken door kenmerkfusie te onderzoeken. We zijn ook van plan om snel de belangrijkste perioperatieve risicokenmerken van postoperatief te screenen delirium op basis van enorme klinische gegevens door middel van selectie van kenmerken, om de hoge risicofactoren te onderzoeken van postoperatieve neurocognitieve stoornissen op de lange termijn die zich ontwikkelen vanuit postoperatief delirium. Ten slotte zal met behulp van multi-center intelligente analyse het risicovoorspellingsmodel van postoperatief delirium en postoperatieve neurocognitieve stoornissen op de lange termijn worden geconstrueerd.