Framework Głębokiego Uczenia do Ciągłej Prognozy Głębokości Znieczulenia
Walidacja platformy głębokiego uczenia do ciągłej prognozy odpowiedzi farmakodynamicznych i trajektorii fizjologicznych podczas znieczulenia ogólnego
Integracja sztucznej inteligencji (AI) w anestezjologii oferuje potencjał przejścia monitorowania pacjenta z reaktywnego na predykcyjne. Architektury głębokiego uczenia, szczególnie sieci LSTM (Long Short-Term Memory), doskonale radzą sobie z przetwarzaniem złożonych danych szeregów czasowych w celu przewidywania przyszłych stanów klinicznych.
Podczas gdy standardowe modele PK/PD (takie jak zaawansowany model Eleveld dla Propofolu i Remifentanilu) szacują stężenia leków w miejscu docelowym (Ce), nie uwzględniają one dynamicznych odpowiedzi specyficznych dla pacjenta w czasie rzeczywistym. Niniejsze badanie ma na celu wdrożenie ram sztucznej inteligencji zaprojektowanych do przewidywania przyszłych stanów fizjologicznych.
Przegląd badań
Status
Status
Warunki
Warunki
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: Hugo Carvalho, MD, PhD
- Numer telefonu: +32 50 45 24 19
- E-mail: hugo.nogueiracarvalho@azsintjan.be
Lokalizacje studiów
-
-
-
Bruges, Belgia, 8000
- AZ Sint-Jan AV
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Pacjenci zakwalifikowani do planowej operacji wymagającej znieczulenia ogólnego.
- Procedury wymagające ciągłego monitorowania głębokości znieczulenia (BIS).
Kryteria wykluczenia:
- Procedury, w których główny plan znieczulenia nie obejmuje ciągłego elektronicznego rejestrowania danych.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
|---|
|
Prospektywny
Prospektywna Kohorta
|
|
Retrospektywny
Retrospektywna Kohorta
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Błąd kalibracji stożka niepewności predykcyjnej
Ramy czasowe: Ciągły - Okolooperacyjny
|
Błąd kalibracji stożka niepewności predykcyjnej - Błąd kalibracji stożka niepewności predykcyjnej to rozbieżność między deklarowanym przez model poziomem ufności (np. przewidywaniem, że 95% przyszłych wartości znajdzie się w określonym zakresie) a rzeczywistą częstotliwością, z jaką prawdziwe wartości faktycznie mieszczą się w przewidywanej granicy.
|
Ciągły - Okolooperacyjny
|
|
Średni Błąd Bezwzględny (MAE)
Ramy czasowe: Ciągły - okołooperacyjny
|
Średni błąd bezwzględny (MAE)
|
Ciągły - okołooperacyjny
|
|
Dokładność trendu
Ramy czasowe: Ciągły - okołooperacyjny
|
Dokładność trendu mierzy zdolność modelu predykcyjnego do prawidłowego prognozowania przyszłego kierunku i tempa zmian zmiennej (takiej jak to, czy głębokość znieczulenia pacjenta aktywnie się zmniejsza czy pogłębia), niezależnie od bezwzględnego błędu numerycznego w dowolnym pojedynczym punkcie czasowym.
|
Ciągły - okołooperacyjny
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Błąd średniokwadratowy (RMSE)
Ramy czasowe: Ciągły - okołooperacyjny
|
Błąd średniokwadratowy (RMSE)
|
Ciągły - okołooperacyjny
|
Współpracownicy i badacze
Sponsor
Sponsor
Współpracownicy
Współpracownicy
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- AIBIS
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .