AI-assistert røntgen av brystet for feilplasserte endotrakeale og nasogastriske rør og pneumothorax i nød- og kritiske omsorgsinnstillinger

Bakgrunnsutvikling innen kunstig intelligens (AI) har drevet betydelige gjennombrudd i datastyrt deteksjon (CAD) for røntgenbilde av brystet. National Taiwan University Hospital (NTUH) forskningsteam utviklet tidligere et AI-basert nødhjelps-CXR-system (Most 111-2634-F-002-015-, Capstone Project), noe som førte til opprettelsen av en røntgenmodul i brystet. Denne røntgenmodulen i brystet har en etablert modell støttet av omfattende forskning og er klar for direkte anvendelse i kliniske studier uten å kreve ekstra modellopplæring. Denne studien vil bruke tre submoduler av systemet: deteksjon av feilplasserte endotrakeale rør, deteksjon av feilplasserte nasogastriske rør og identifisering av pneumothorax.

Mål Denne studien tar sikte på å anvende et sanntids røntgen-CAD-system i brystet i nød- og kritiske omsorgsinnstillinger for å evaluere dets kliniske og økonomiske fordeler uten å kreve ytterligere røntgenundersøkelser fra brystet eller endre standardpleie og prosedyrer. Studien vil evaluere CAD-systemets innvirkning på dødelighetsreduksjon, komplikasjoner etter intubasjon, sykehusoppholdsvarighet, arbeidsmengde og tolkningstid, sammen med en sammenligning av kostnadseffektivitet med standardpleie.

Metoder Denne studien vedtar en pilotforsøk og klynger randomisert kontrollert prøveutforming, med tilfeldig tildeling utført på menighetsnivå. I intervensjonsgruppen får enheter tilgang til AI -diagnostiske resultater, mens kontrollgruppen fortsetter standardomsorgspraksis. Samtykke vil bli innhentet fra å delta på leger, innbyggere og sykepleiere i avansert praksis i hver deltakende avdeling. Når samtykke er sikret, vil disse helsepersonellene i intervensjonsgruppen bli autorisert til å bruke CAD -systemet. Intervensjonsenheter vil ha tilgang til AI-genererte tolkninger, mens kontrollenheter vil opprettholde rutinemessige medisinske prosedyrer uten tilgang til AI-diagnostiske utganger.

Resultater Studien ble finansiert i september 2024. Datainnsamling forventes å vare fra januar 2025 til desember 2027.

Konklusjoner Denne studien forventer at røntgens CAD-system i sanntid vil automatisere identifisering og påvisning av feilplasserte endotrakeale og nasogastriske rør på røntgenbilder i brystet, samt hjelpe klinikere i å diagnostisere pneumothorax. Ved å redusere arbeidsmengden til leger, forventes systemet å forkorte tiden som kreves for å oppdage feilplassering av rør og pneumothorax, redusere pasientens dødelighet og sykehusopphold og til slutt redusere helsetjenester.