Forutsi nevromuskulær utvinning hos kirurgiske pasienter ved hjelp av maskinlæring (PINES)

Målet med PINES-prosjektet er å identifisere en modell som nøyaktig kan forutsi 1) tid for å fullføre nevromuskulær restitusjon, 2) optimal timing og dose av nevromuskulære blokkeringsmidler på hvert tidspunkt under operasjonen, og 3) TOF-forhold ved den estimerte slutten av kirurgi for å vurdere gjenværende lammelser. Videre vil en prospektiv klinisk pilotstudie bli utført for å sammenligne anestesiolog-spådd nevromuskulær utvinning med algoritmen.

Prosjektet består av to hovedmål:

I. Big data analyse

• Etablering av datavarehus: Elektroniske registerdata vil bli brukt.
• Generering av prediksjonsmodeller: Klassifikasjonsmodeller vil først bli brukt for å identifisere og vekte de relevante parameterne samlet under premedisinering og intraoperativt. Disse vil danne grunnlaget for opplæringskohorten, som deretter kan brukes til å gjennomføre en simulert sanntidsanalyse av dataene. For å sammenligne modellene vil tapsfunksjonene middel kvadratisk feil, gjennomsnittlig absolutt feil og Huber Loss beregnes.

II. Prospektiv sammenligning av prediksjonen: maskinlæringsmodell vs anestesilege

Ved å bruke den validerte endelige prediksjonsmodellen med best nøyaktighet, vil vi utføre en prospektiv klinisk pilotstudie. Kohorten vil inkludere prospektivt innrullerte kirurgiske pasienter som vil bli analysert av prediksjonsmodellen samt en erfaren anestesilege. Kirurgier som krever nevromuskulær blokkering av et ikke-depolariserende nevromuskulært blokkerende middel vil bli inkludert. En anestesilege vil prospektivt estimere tiden til nevromuskulær restitusjon i 10-minutters intervaller som begynner med den initiale dosen av nevromuskulært blokkerende middel ved anestesiinduksjon. Overensstemmelse mellom prediksjoner og objektivt målt tid til TOF-forhold >0,95 vil bli vurdert ved å bruke inter-rater korrelasjonskoeffisienter.