Evaluatie van dubbele lumen buis intubatie moeilijkheid met foto-gebaseerde kunstmatige intelligentie-algoritmen

De complexiteit en moeilijkheid van intubatie met dubbele lumenbuizen vereist het gebruik van geavanceerde technologieën bij het beheer van deze procedure. Het potentieel van foto-gebaseerde kunstmatige intelligentie-algoritmen om de moeilijkheden die tijdens intubatie ondervinden te voorspellen en te minimaliseren is de belangrijkste motivatie voor deze studie.

Het gebruik van kunstmatige intelligentie-algoritmen binnen het domein van luchtwegbeheer is een aanzienlijke belofte in het geven van realtime feedback aan anesthesiologen, het verbeteren van de werkzaamheid van intubatieprocedures en het verminderen van het optreden van complicaties. Specifiek kunnen op foto gebaseerde AI-systemen een uitgebreider begrip van de luchtweganatomie vergemakkelijken door afbeeldingen te analyseren die vóór en tijdens intubatie zijn vastgelegd, waardoor het beheer van complexe gevallen wordt verbeterd. kunstmatige intelligentie -algoritmen bij het evalueren van de complexiteit van intubatie met een dubbele lumen -buis. De integratie van kunstmatige intelligentie in het intubatieproces is bedoeld Verbeter de resultaten van de patiënt en vestig een nieuwe benchmark voor anesthesiepraktijk. Deze studie heeft als doel de bestaande kloof in de literatuur aan te pakken en innovatieve benaderingen van de klinische praktijk te bieden.

Geïnformeerde toestemming werd verkregen van patiënten die thoracale chirurgie -operaties ondergingen en demografische gegevens (leeftijd, lengte, lichaamsgewicht, lichaamsmassa -index, geslacht), American Society of Anesthesiologists (ASA) score, type werking en comorbide ziekten (diabetes mellitus, hypertensie, hypertensie, hypertensie, hypertensie, hypertensie, hypertensie, hypertensie, hypertensie , kransslagaderziekte, chronische nierziekte, chronische obstructieve longziekte, astma, obstructieve slaapapneu) waren verkregen. Thoracale en/of extrath -orakale maligniteitsgeschiedenis), parameters die worden beschouwd als risicofactoren voor moeilijke intubatie (geschiedenis van eerdere moeilijke intubatie, citroencriteria (kijk extern, evalueren, mallampathie, obstructie, nekmobiliteit), bovenlip bijttest) en foto's van de foto's van de foto's Patiënten (inclusief hoofd- en nekregio) worden in de preoperatieve periode in zes verschillende richtingen en manieren geregistreerd met een professionele camera (actief gebruikt in ons ziekenhuis). Tijdens de intraoperatieve fase zal het Cormack-Lehane-scoresysteem worden gebruikt en wordt het intubatieproces met een dubbele lumenbuis geëvalueerd voor gemak of moeilijkheid. Intraoperatieve complicaties met betrekking tot de bewerking worden ook gedocumenteerd. De gegevens worden vervolgens verwerkt met behulp van Python 3-programmeertaal en open-source bibliotheken om kunstmatige intelligentie-algoritmen te berekenen. In het geval van onvolledige patiëntgegevens zullen data -imputatietechnieken worden gebruikt om het kunstmatige intelligentieprogramma aan te vullen.

De primaire uitkomstvariabele van de studie is de snelheid waarmee het foto-gebaseerde kunstmatige intelligentie-algoritme voorspelt of intubatie met een dubbele lumen-buis eenvoudig of moeilijk is. De secundaire uitkomstvariabele is de vergelijking van de voorspellingsnelheid van intubatie met dubbele lumen buisbuis door foto-gebaseerde kunstmatige intelligentie-algoritmen en de snelheid van voorspelling van intubatie met dubbele lumenbuis volgens conventionele methoden.