AiCR: Sztuczna inteligencja w zatrzymaniu krążenia (AiCR)

Ogólną częstość występowania zatrzymania krążenia i oddychania w Europie szacuje się na 350 000 do 700 000 przypadków rocznie. Wskaźnik przeżycia szacuje się na 10,7% dla wszystkich zaburzeń rytmu łącznie.

Istnieje kilka przykładów zastosowania sztucznej inteligencji w medycynie. Ting i wsp. opracowali narzędzie komputerowe zdolne do diagnozowania obecności retinopatii cukrzycowej z doskonałą mocą. W resuscytacji Celi i wsp. zaproponowali narzędzie zdolne do przewidywania potrzeby wypełnienia naczyń krystaloidami podczas ogólnoustrojowego stanu zapalnego. W Nature w 2018 roku Komorowski wykazał skuteczność AI w leczeniu hemodynamicznym sepsy. W badaniu odpowiedzi nerek na prowokację płynami Zhang i in. zademonstrować skuteczność maszyny uczącej się.

Cel pracy: Określenie algorytmu prognozującego śmiertelność pacjentów przyjmowanych na oddziały intensywnej terapii (OIOM) z powodu ACR na podstawie raportów hospitalizacyjnych (CRH). Wykorzystanie algorytmu również do przewidywania ryzyka nawrotu zatrzymania krążenia, czasu trwania wentylacji mechanicznej, wystąpienia sepsy, rozwoju niewydolności narządowej, przewidywania CPC (Cerebral Performance Category), czasu do uzyskania odstawienia katecholamin, wystąpienia ostrej niewydolności nerek z lub bez konieczności oczyszczania pozanerkowego (EER) i czasu trwania w ramach EER, średniej długości pobytu.

Projekt ten jest częścią większego, ogólnopolskiego projektu o większej mocy i obejmuje wszystkie dane generowane podczas hospitalizacji na oddziale intensywnej terapii.

Metoda: szacunkowa całkowita liczba pacjentów włączonych do tego badania wynosi od 300 do 500. Populacja będzie pochodzić z oddziałów intensywnej terapii w Nicei, Antibes, Cannes, Grasse.

Włączenie będzie retrospektywne, dotyczące CRH, CR obrazowania CT (mózgu i klatki piersiowej, jamy brzusznej i miednicy), MRI, EEG i codziennych słów kontrolnych, od 2014 do końca 2020 roku.

Po anonimizacji zastosowanie semantyzacji metodami przetwarzania języka naturalnego (NLP). Dane, które mają zostać wyodrębnione, są wprowadzane do dokumentu sporządzonego przez lekarzy intensywnej terapii. Dane te zostaną następnie zapisane w bazie danych. Aby osiągnąć główny cel, opracujemy algorytm komputerowy, który będzie w stanie przewidywać śmiertelność w badanej populacji. Algorytm ten, oparty na dużej bazie danych, może być zaprojektowany z wykorzystaniem technik uczenia maszynowego lub nawet głębokiego uczenia się, w zależności od ilości danych do przetworzenia.