Evaluatie van AI -modellen bij het bepalen van de optimale PEEP

Patiënten die mechanische ventilatieondersteuning krijgen op de intensive care -eenheid (ICU), die hemodynamisch stabiel zijn en ouder dan 18 jaar oud, zullen worden geacht in aanmerking te komen voor de studie. Deze criteria zijn ingesteld om ervoor te zorgen dat de patiënten voldoende ademhalingsondersteuning nodig hebben en tegelijkertijd geschikt zijn voor geïndividualiseerde optimalisatie van ventilatorbeheer.

Tijdens het selectieproces van de patiënt worden de medische dossiers van ICU -patiënten beoordeeld en zullen degenen die aan de criteria voldoen in het onderzoek worden opgenomen. Om de nauwkeurigheid van klinische gegevens te waarborgen, wordt het selectieproces van de patiënt uitgevoerd door intensive care specialisten.

De mechanische ventilatieparameters van de opgenomen patiënten worden systematisch geregistreerd. In deze context zullen inspiratoire hold en expiratoire hold -manoeuvres worden toegepast om de ademhalingsmechanica van de patiënten te evalueren. De geregistreerde metingen omvatten naleving (longelasticiteit), elastance (longstijfheid), auto-peep (aanwezigheid van luchtvang) en tijdconstante (gasuitwisselingsduur).

Naast deze fundamentele ventilatieparameters zal de druk-volume (P-V) curve worden geanalyseerd om kritieke gegevens te verzamelen voor ventilatie-optimalisatie. Deze procedures worden uitgevoerd met behulp van geavanceerde analysemodules geïntegreerd in ICU -ventilatoren en patiëntbewakingssystemen. De verzamelde gegevens zullen zowel door experts als door kunstmatige intelligentie (AI) modellen worden geanalyseerd gedurende het onderzoek.

In de studie zal PEEP -titratie handmatig worden uitgevoerd door intensive care specialisten. Dit proces wordt onmiddellijk na intubatie toegepast voor geïntubeerde patiënten en zal dagelijks doorgaan. De procedure zal worden gestandaardiseerd volgens een vooraf gedefinieerd protocol en consequent toegepast voor alle patiënten.

Het lagere buigpunt (LIP) zal worden geïdentificeerd en PEEP zal worden toegepast op het punt waar alveolaire werving begint. Deze stap is van cruciaal belang om de ineenstorting van de long te voorkomen en optimale oxygenatie te waarborgen. Bovendien zal het bovenste buigpunt (UIP) worden bepaald om overdistsie te voorkomen, zodat het getijdenvolume onder deze drukdrempel blijft. Als het lagere buigpunt niet duidelijk wordt geïdentificeerd, wordt een PEEP -niveau van ongeveer 10 cmh₂o toegepast als een standaardbenadering.

De druk-volumecurve van de ventilator zal worden geanalyseerd om te beoordelen of het optimale PEEP-niveau is bereikt. Als de curve omhoog verschuift, wordt deze beschouwd als een indicator voor succesvolle alveolaire werving. Als de curve naar rechts verschuift, duidt dit op een risico op overdistsie, wat een vermindering van PEEP veroorzaakt. Door deze aanpak zal het meest geschikte PEEP -niveau voor elke patiënt worden bepaald en worden de ventilatorinstellingen dienovereenkomstig geoptimaliseerd. Deze procedures worden routinematig toegepast in ons ziekenhuis en wereldwijd en behoren tot de meest voorkeursmethoden voor PEEP -titratie.

Alle verzamelde ventilatieparameters worden ingevoerd in drie verschillende kunstmatige intelligentiemodellen: Chatgpt, Deepseek en Gemini. Deze systemen zullen worden gevraagd om te bieden:

Een optimale aanbeveling op PEEP -niveau voor de patiënt de mogelijkheid om abnormale ventilatieparameters te detecteren Drie mogelijke diagnostische suggesties Drie voorgestelde behandelingsbenaderingen De gegevens die door de AI -modellen worden verstrekt, worden geregistreerd en vergeleken met handmatige beoordelingen uitgevoerd door ervaren ICU -specialisten. Deze vergelijking is bedoeld om te bepalen in hoeverre AI -modellen kunnen dienen als hulpmiddelen voor klinische beslissingsondersteuning. De betrouwbaarheid, nauwkeurigheid en klinische toepasbaarheid van door AI gegenereerde aanbevelingen zullen grondig worden geanalyseerd.

In de laatste fase van het onderzoek zullen de PEEP -niveaus bepaald door AI -modellen worden vergeleken met die geïdentificeerd door ICU -specialisten met ten minste vijf jaar ervaring. De volgende criteria worden geëvalueerd:

Overeenkomst tussen AI-modellen en de meningen van deskundigen over PEEP-niveaus (primaire uitkomstmaat) gevoeligheid en specificiteit van AI bij het detecteren van abnormale ventilatieparameters nauwkeurigheid van AI-gegenereerde diagnoses klinische toepasbaarheid van AI-aangemiddelde behandelingsbenaderingen