Machine Learning Ventilator Decision System VS. Standard kontrollert ventilasjon

Ventilatorindusert lungeskade er assosiert med økt sykelighet og dødelighet. Til tross for intens innsats innen grunnleggende og klinisk forskning, er en individualisert ventilasjonsstrategi for kritisk syke pasienter fortsatt en stor utfordring. Imidlertid forblir en individualisert mekanisk ventilasjonstilnærming en utfordrende oppgave: En rekke faktorer, for eksempel laboratorieverdier, vitale funksjoner, komorbiditeter, sykdomsprogresjon og andre kliniske data må tas i betraktning når man velger en pasients spesifikke optimale ventilasjonsregime. Målet med dette arbeidet var å evaluere maskinlæringsventilasjonsbeslutningssystemet, som er i stand til å foreslå et dynamisk optimert mekanisk ventilasjonsregime for kritisk syke pasienter. Sammenlign med standard kontrollert ventilasjon for å teste om den kliniske anvendelsen av maskinlæringsventilasjonsbeslutningssystemet reduserer mekanisk ventilasjonstid og dødelighet.