Sztuczna inteligencja - przewidywanie i zapobieganie niedociśnieniu podczas operacji

Co roku w Szwecji operuje się około 800 000 pacjentów. Spośród nich stosunkowo duża część cierpi na poważne powikłania po operacji, takie jak uszkodzenie serca i nerek, udar, a nawet śmierć. Wykazano związek pomiędzy powyższymi powikłaniami a spadkiem ciśnienia krwi podczas operacji, co oznacza, że ​​w każdym przypadku niektórych powikłań można potencjalnie uniknąć, jeśli ciśnienie krwi będzie utrzymywane na stabilnym i odpowiednim poziomie, w zależności od indywidualnego stanu pacjenta.

Niestety epizody spadku ciśnienia krwi są trudne do przewidzenia przy użyciu standardowych metod monitorowania i dlatego niestety często występują podczas operacji. W Szpitalu Uniwersyteckim Karolinska budujemy teraz nowy system, który przy pomocy sztucznej inteligencji może włączyć alarm jeszcze zanim nastąpi spadek ciśnienia krwi. W badaniu zbieramy i łączymy dane ze standardowego monitorowania podczas operacji; tętno, ciśnienie krwi, natlenienie, pojemność minutowa serca, EKG, wyniki badań laboratoryjnych gazometrii krwi u pacjentów poddawanych operacjom jamy brzusznej, którzy stanowią grupę pacjentów o podwyższonym ryzyku powikłań pooperacyjnych. Do tych informacji dodamy również istotne dane z nowatorskiej metody monitorowania krążenia w oparciu o zmiany w wydychanym dwutlenku węgla. Będziemy również rejestrować powód spadku ciśnienia krwi, taki jak krwawienie, wpływ leku, odwodnienie, aby algorytmy sztucznej inteligencji były w stanie rozróżnić różne przyczyny niskiego ciśnienia krwi, ponieważ wymagają one różnych działań. Algorytmy sztucznej inteligencji zostaną początkowo opracowane poprzez zebranie danych od dużej grupy pacjentów, a następnie ocenę na mniejszej grupie innych, reprezentatywnych pacjentów

Dane pochodzące z naszego standardowego monitorowania w związku z zabiegiem chirurgicznym uzupełniamy szacunkami rzutu serca na podstawie metody kapnodynamicznej. Uczestnicy badania zostaną uśpieni i wentylowani za pomocą zmodyfikowanego respiratora do intensywnej terapii (servo-i(R) Getinge). Respirator posiada oprogramowanie do celów badawczych oznaczone znakiem CE. Oprogramowanie modyfikuje wzorzec oddychania respiratora, dodając nieco dłuższe przerwy po trzech z dziewięciu oddechów. Ten sposób oddychania powoduje łagodną zmianę poziomu wydychanego dwutlenku węgla o około 1 kPa. Respirator był używany w kilku dużych badaniach na zwierzętach i badaniach klinicznych, z których dwa zostały przeprowadzone przez naszą grupę badawczą. Ze względu na konieczność stosowania respiratora do intensywnej terapii, pacjenci znieczuleni są tzw. całkowitym znieczuleniem dożylnym (TIVA), a nie znieczuleniem gazowym. Różni się to od naszej obecnej rutyny w tego typu operacjach. Jednakże TIVA jest stosowana w kilku innych rodzajach operacji i jesteśmy dobrze zaznajomieni z tą metodą. W kilku szpitalach w kraju i za granicą TIVA stosowana jest jako metoda pierwszego rzutu nawet przy dużych operacjach nowotworowych jamy brzusznej, gdyż istnieją dane sugerujące, że u pacjentów po leczeniu zdarzają się niewielkie nawroty (przerzuty). W trakcie opieki rejestrowane są zdarzenia, które następnie można dodać do materiału do analiz jakościowych. Przykładami takich zdarzeń są: podanie leków i płynów oraz prawdopodobna przyczyna niedociśnienia; krwawiące zmiany pozycji ciała itp. Aby móc porównać obliczenia mieszanej saturacji żylnej metodą capno, podczas operacji co godzinę z cewnika do żyły centralnej będą pobierane próbki krwi. Każda próbka zawiera około 2 ml krwi. W ciągu pięciogodzinnej operacji odpowiada to około 1 ml krwi. Równolegle z próbkami żył zostanie pobrana gazometria krwi tętniczej o tej samej objętości krwi. Próbki te są pobierane w przybliżeniu: co/co dwie godziny podczas zabiegu chirurgicznego zgodnie z procedurą kliniczną, ale zgodnie z protokołem badania będą one pobierane co godzinę zgodnie z próbkami z cewnika do żyły centralnej.

Zapisywane są także wyniki kliniczne, takie jak długość opieki i powikłania, dzięki czemu dawkę niedociśnienia można powiązać z powikłaniami. To, co opisano powyżej, to rzeczy, które mierzymy i rejestrujemy w rutynowej praktyce klinicznej, a zatem nie mają żadnego dalszego wpływu na podmioty objęte badaniem. Analiza danych jest następnie przeprowadzana przez naszych badaczy na naszych komputerach i serwerach. Poprzez sztuczną inteligencję (AI) i uczenie maszynowe (ML) będziemy szkolić algorytmy AI w celu skonstruowania skutecznych i dokładnych metod prewencyjnego przewidywania niskiego ciśnienia krwi. Ponieważ wykorzystywane są zapisane dane, możemy odzyskać wynik tych samych danych i porównać nasze algorytmy z tym, co faktycznie się wydarzyło.