AI-ondersteunde röntgenfoto van de borst voor misplaatste endotracheale en nasogastrische buizen en pneumothorax in nood- en kritieke zorginstellingen

Achtergrondvervoringen in kunstmatige intelligentie (AI) hebben aanzienlijke doorbraken aangedreven in computerondersteunde detectie (CAD) voor röntgenbeeldvorming op de borst. National Taiwan University Hospital (NTUH) onderzoeksteam ontwikkelde eerder een AI-gebaseerd Capstone CXR-systeem voor noodsituaties (de meeste 111-2634-F-002-015-, Capstone Project), wat leidde tot het creëren van een röntgenmodule in de borst. Deze röntgenmodule op de borst heeft een gevestigd model dat wordt ondersteund door uitgebreid onderzoek en is klaar voor directe toepassing in klinische proeven zonder aanvullende modeltraining. Deze studie zal drie submodules van het systeem gebruiken: detectie van misplaatste endotracheale buizen, detectie van misplaatste nasogastrische buizen en identificatie van pneumothorax.

Doelstelling Deze studie beoogt een realtime CAD-systeem van de borst in noodgevallen en kritieke zorginstellingen toe te passen om de klinische en economische voordelen ervan te evalueren zonder aanvullende röntgenonderzoeken van de borst te vereisen of standaardzorg en procedures te wijzigen. De studie zal de impact van het CAD-systeem op de vermindering van de sterfte, post-intubatiecomplicaties, verblijfsduur, werklast en interpretatietijd evalueren, naast een kosteneffectiviteitsvergelijking met standaardzorg.

Methoden Deze studie hanteert een pilootstudie en cluster gerandomiseerd gecontroleerd onderzoeksontwerp, met willekeurige toewijzing uitgevoerd op wijkniveau. In de interventiegroep krijgen eenheden toegang tot AI -diagnostische resultaten, terwijl de controlegroep standaardzorgpraktijken voortzet. Toestemming zal worden verkregen uit het bijwonen van artsen, bewoners en geavanceerde praktijkverpleegkundigen in elke deelnemende afdeling. Zodra de toestemming is beveiligd, zullen deze zorgaanbieders in de interventiegroep gemachtigd zijn om het CAD -systeem te gebruiken. Interventie-eenheden hebben toegang tot door AI gegenereerde interpretaties, terwijl controle-eenheden routinematige medische procedures behouden zonder toegang tot de AI-diagnostische uitgangen.

Resultaten De studie werd gefinancierd in september 2024. Gegevensverzameling zal naar verwachting duren van januari 2025 tot december 2027.

Conclusies Deze studie verwacht dat het realtime CAD-systeem van de borst röntgenfoto's de identificatie en detectie van misplaatste endotracheale en nasogastrische buizen op röntgenfoto's van de borst zal automatiseren en clinici helpt bij het diagnosticeren van pneumothorax. Door de werklast van artsen te verminderen, wordt van het systeem verwacht dat het de tijd verkort die nodig is om buismisbeschiktheid en pneumothorax te detecteren, de patiëntsterfte en het verblijf in het ziekenhuis te verminderen en uiteindelijk de kosten van de gezondheidszorg te verlagen.