Evaluering av dobbelt lumenrør intubasjonsvansker med fotobaserte kunstig intelligensalgoritmer

Kompleksiteten og vanskeligheten med intubasjon med doble lumenrør krever bruk av avanserte teknologier i behandlingen av denne prosedyren. Potensialet til fotobaserte kunstig intelligensalgoritmer for å forutsi og minimere vanskene som oppstår under intubasjon er den viktigste motivasjonen for denne studien.

Bruk av kunstig intelligensalgoritmer innenfor domenet til luftveisstyring gir betydelig løfte om å gi tilbakemelding i sanntid til anestesileger, styrke effekten av intubasjonsprosedyrer og redusere forekomsten av komplikasjoner. Spesifikt kan fotobaserte AI-systemer lette en mer omfattende forståelse av luftveisanatomi ved å analysere bilder tatt før og under intubasjon, og dermed forbedre håndteringen av komplekse tilfeller. Målet med denne studien er å undersøke effektiviteten og påliteligheten av fotobasert Kunstig intelligensalgoritmer i evaluering av kompleksiteten i intubasjon med et dobbelt lumenrør. Integrasjonen av kunstig intelligens i Intubasjonsprosessen er ment å forbedre pasientresultatene og etablere et nytt mål for anestesipraksis. Denne studien tar sikte på å adressere det eksisterende gapet i litteraturen og gi innovative tilnærminger til klinisk praksis.

Informert samtykke ble innhentet fra pasienter som gjennomgikk thoraxkirurgiske operasjoner og demografiske data (alder, høyde, kroppsvekt, kroppsmasseindeks, kjønn), American Society of Anesthesiologists (ASA) score, type drift og komorbide sykdommer (diabetes mellitus, hypertensjon , Koronararteriesykdom, kronisk nyresykdom, kronisk obstruktiv lungesykdom, astma, obstruktiv søvnapné) ble oppnådd. Thorax- og/eller ekstrat orakisk malignitetshistorie), parametere ansett som risikofaktorer for vanskelig intubasjon (historie med tidligere vanskelig intubasjon, sitronkriterier (se eksternt, evaluere, mallampati, hindring, nakkemobilitet), overleppetest) og fotografier av den Pasienter (inkludert hode- og nakkeområde) vil bli registrert i seks forskjellige retninger og måter med et profesjonelt kamera (aktivt brukt på sykehuset vårt) i den preoperative perioden. I løpet av den intraoperative fasen vil Cormack-Lehane-scoringssystemet bli brukt, og intubasjonsprosessen med et dobbeltlumenrør vil bli evaluert for letthet eller vanskeligheter. Intraoperative komplikasjoner relatert til operasjonen vil også bli dokumentert. Dataene vil deretter bli behandlet ved hjelp av Python 3-programmeringsspråk og open source-biblioteker for å beregne kunstig intelligensalgoritmer. I tilfelle ufullstendige pasientdata, vil datainnlysningsteknikker bli brukt for å supplere det kunstige intelligensprogrammet.

Den primære utfallsvariabelen til studien er hastigheten som den fotobaserte kunstige intelligensalgoritmen spår om intubasjon med et dobbelt lumenrør er enkel eller vanskelig. Det sekundære utfallsvariabelen er sammenligningen av prediksjonshastigheten for intubasjon med dobbelt lumenrør ved fotobaserte kunstig intelligensalgoritmer og prediksjonshastigheten for intubasjon med dobbelt lumenrør ved konvensjonelle metoder.