Korzystanie z analizy diagnostyki tętna wspomaganej sztuczną inteligencją (AI) w precyzyjnej medycynie krytycznej.

Medycyna precyzyjna/spersonalizowana staje się w ostatnich latach ważną częścią nowoczesnego systemu medycznego. W przeszłości o leczeniu pacjentów decydowali lekarze na podstawie objawów pacjenta i/lub regularnych profili biochemicznych. Jednak nierzadko zdarza się, że stan pacjentów jest bardzo zróżnicowany, nawet jeśli mają tę samą diagnozę, iw takim stanie skuteczność leczenia może być ograniczona ze względu na niejednorodność wśród pacjentów. Dlatego brak skuteczności terapeutycznej może nie być tak naprawdę nieskuteczny, a główną przyczyną może być nieodpowiednia klasyfikacja pacjentów. Z tego powodu medycyna osobista/precyzyjna oparta na „omice” pojawia się ostatnio i nabiera coraz większego znaczenia. Jednak w przeciwieństwie do wykonalnej i powszechnej medycyny „spersonalizowanej”, podejście medycyny precyzyjnej do poziomu medycyny molekularnej jest nadal trudne, zwłaszcza wśród pacjentów oddziałów intensywnej terapii. W przeciwieństwie do raka, który poczynił niezwykłe postępy w ostatnich dziesięcioleciach, medycyna precyzyjna/osobista jest trudniejsza w medycynie krytycznej i wschodzącej. Jednym z powodów jest to, że ilość danych omicznych jest dość duża, a zatem radzenie sobie z danymi omicznymi jest czasochłonne. W związku z tym nie sprawdza się w codziennej praktyce klinicznej w opiece na OIT. W przypadku tego schorzenia badacze proponują, aby połączenie danych klinicznych, w tym diagnozy tętna przeprowadzonej przez lekarza tradycyjnej medycyny chińskiej (TCM) lub sfigmomanometru nadgarstkowego ANSwatch, reakcji na płyny za pomocą pulsoksymetru „Masimo” Radical-7 Pulse CO-Oximeter oraz określonej bazy danych z monitorów na OIT może być wykonalnym sposobem przewidywania wyników wśród pacjentów OIOM. Istnieją dwa główne cele tego badania: (1) Po ustanowieniu klinicznych baz danych dotyczących diagnostyki tętna tradycyjnej medycyny chińskiej (TCM) i baz danych parametrów klinicznych OIT, uzyskanie i rozpoznanie cech tętna poprzez zastosowanie sztucznej inteligencji oraz (2) przeanalizowanie korelacji między cechami tętna rozpoznanie i ważne parametry kliniczne.