Prediksjon av endotrakeal tube dybde ved bruk av dype konvolusjonelle nevrale nettverk

Dette var en retrospektiv, IRB-godkjent studie med røntgenbilder fra thorax hentet fra Picture Archive and Communication System (PACS) ved Chang Gung Memorial Hospital, Linkou-avdelingen, Taiwan.

Totalt ble det tatt røntgenbilder av 595 avidentifiserte pasienter for denne studien. Inklusjonskriteriene for denne studien er pasienter 18 år eller eldre som ble orotrakealt intubert i løpet av november 2019 til oktober 2020 og hadde tatt røntgenbilder av thorax før og umiddelbart etter intubasjonen (<24 timer). Både pre-intubasjons- og post-intubasjonsrøntgenbilder av en samme pasient ble tatt. Kliniske data inkludert alder, kjønn, kroppshøyde, kroppsvekt, dybde av ETT-fiksering ble også registrert. All ETT-tupp til karina-avstand ble målt manuelt av samme anestesilege fra post-intubasjonsfilmer og dokumentert. Lengden på leppe til karina for hver pasient kan beregnes ved å legge til ETT fikseringsdybde og ETT spissen til karina avstand.

Pre-intubasjons røntgenbilder av thorax (n=595) sammen med kliniske data inkludert alder, kjønn, kroppshøyde, kroppsvekt og målt lengde fra leppe til karina samles inn for modellbygging. For denne studien ble 476/595 (80 %) av disse brukt til trening og 119/595 (20 %) til validering tilfeldig valgt av AI-modellen. I treningsprosessen mates bilder og relaterte kliniske data sammen med den målte lengden fra leppe til karina inn og brukes til å tilpasse AI-modellen. Deretter, i valideringsprosessen, evaluerer etterforskerne modellens nøyaktighet og effektivitet ved å forutsi lengden fra leppe til karina med bilder og kliniske data fra disse uforutsette tilfellene.