Ocena modeli AI przy określaniu optymalnego PEEP
Ocena powodzenia modeli sztucznej inteligencji w określaniu optymalnego podglądu w wentylacji mechanicznej w intensywnej opiece
Jego badanie zostało zaprojektowane jako prospektywne obserwacyjne badanie kliniczne. Uwzględnione zostaną pacjenci w wieku powyżej 18 lat, którzy są stabilni hemodynamicznie i wymagają mechanicznej wentylacji na OIOM. Kryteria włączenia zapewniają, że uczestnicy wymagają zindywidualizowanej optymalizacji wentylacji.
Badanie będzie obejmować porównanie zaleceń PEEP generowanych przez AI i określonych ekspertów. Specjaliści od OIOM przeprowadzą miareczkowanie Ręcznie w oparciu o znormalizowane protokoły, identyfikując niższy punkt fleksji (LIP) i górny punkt fleksji (UIP) w celu optymalizacji wentylacji. Krzywa objętości ciśnienia (P-V) zostanie przeanalizowana w celu zapewnienia optymalnej rekrutacji pęcherzyków płucnych i zapobiegania nadmiernemu realizację.
Procedury badań
Uczestnicy:
Przejmij systematyczne oceny wentylacji mechanicznej, w tym wstrzymanie wdechowe i wydechowe manewry, zgodność, elastance, auto-PEP i oceny stały czasowych.
Zebrane dane wentylacyjne i przeanalizowano przy użyciu trzech modeli AI: Chatgpt, Deepseek i Gemini.
Otrzymuj zalecenia generowane AI dotyczące optymalnych poziomów PEEP, nieprawidłowych parametrów wentylacji i potencjalnych sugestii dotyczących leczenia.
Mają swoje zalecenia PEEP oparte na sztucznej inteligencji w porównaniu z zaleceniami określonymi przez specjalistów OIOM z co najmniej pięcioletnim doświadczeniem.
Miary wyników
Badanie porówna oceny AI i ekspertów na podstawie następujących podstawowych i wtórnych miar:
Pierwotny wynik: zgodność między poziomami PEEP generowanymi przez AI a poziomami PEEP z określonymi eksperami.
Wtórne wyniki:
Czułość AI i swoistość w wykrywaniu nieprawidłowych parametrów wentylacji. Dokładność diagnoz generowanych przez AI. Kliniczne zastosowanie strategii leczenia zalecanych przez AI. To badanie ma na celu ustalenie, czy modele AI mogą służyć jako wiarygodne narzędzia wspomagające decyzje kliniczne do zarządzania respiratorem u pacjentów z OIOM.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Pacjenci otrzymujący mechaniczne wsparcie wentylacyjne na oddziale intensywnej terapii (OIOM), którzy są stabilni hemodynamicznie i w wieku powyżej 18 lat, będą uważani za kwalifikujące się do badania. Kryteria te zostały ustalone w celu zapewnienia, że pacjenci wymagają odpowiedniego wsparcia oddechowego, a jednocześnie są odpowiednie do zindywidualizowanej optymalizacji zarządzania respirator.
Podczas procesu selekcji pacjentów dokumentacja medyczna pacjentów z OIOM zostanie poddana przeglądowi, a osoby spełniające kryteria zostaną uwzględnione w badaniu. Aby zapewnić dokładność danych klinicznych, proces selekcji pacjentów zostanie przeprowadzony przez specjalistów ds. Opieki intensywnej terapii.
Mechaniczne parametry wentylacji uwzględnionych pacjentów zostaną systematycznie rejestrowane. W tym kontekście zastosowane zostaną manewry wstrzymania wdechu i wydechu do oceny mechaniki oddechowej pacjentów. Zarejestrowane pomiary będą obejmować zgodność (elastyczność płuc), elastance (sztywność płuc), auto-PEEP (obecność pułapkowania powietrza) i stałą czasową (czas wymiany gazu).
Oprócz tych podstawowych parametrów wentylacji krzywa ciśnienia (P-V) zostanie przeanalizowana w celu zebrania krytycznych danych do optymalizacji wentylacji. Procedury te zostaną wykonane przy użyciu zaawansowanych modułów analizy zintegrowanych z respiratorami OIOM i systemami monitorowania pacjentów. Zebrane dane będą analizowane zarówno ręcznie przez ekspertów, jak i modele sztucznej inteligencji (AI) podczas badania.
W badaniu miareczkowanie PEEP będzie wykonywane ręcznie przez specjalistów ds. Opieki intensywnej opieki. Proces ten zostanie zastosowany natychmiast po intubacji u pacjentów z intubowanym i będzie kontynuowany codziennie. Procedura zostanie znormalizowana zgodnie z predefiniowanym protokołem i stosowana konsekwentnie u wszystkich pacjentów.
Zidentyfikowano dolny punkt fleksji (LIP), a PEEP zostanie zastosowany w punkcie, w którym rozpoczyna się rekrutacja pęcherzyków płucnych. Ten krok ma kluczowe znaczenie dla zapobiegania upadkowi płuc i zapewnienia optymalnego natlenienia. Ponadto ustalone zostanie górny punkt fleksji (UIP), aby zapobiec przedłużeniu, zapewniając, że objętość pływowa pozostaje poniżej tego progu ciśnienia. Jeśli niższy punkt fleksji nie zostanie wyraźnie zidentyfikowany, poziom PEEP wynoszący około 10 cmh₂o zostanie zastosowany jako podejście standardowe.
Krzywa objętości ciśnienia wentylatora zostanie przeanalizowana w celu oceny, czy uzyskano optymalny poziom PEEP. Jeśli krzywa zmieni się w górę, zostanie uznana za wskaźnik udanej rekrutacji pęcherzyków płucnych. Jeśli krzywa przesunie się w prawo, wskazuje to na ryzyko przedłużenia, co skłoniło zmniejszenie PEEP. Zgodnie z tym podejściem zostanie określony najbardziej odpowiedni poziom PEEP dla każdego pacjenta, a ustawienia wentylatora zostaną odpowiednio zoptymalizowane. Procedury te są rutynowo stosowane w naszym szpitalu i na całym świecie i należą do najczęściej preferowanych metod miareczkowania.
Wszystkie zebrane parametry wentylacji zostaną wprowadzone do trzech różnych modeli sztucznej inteligencji: Chatgpt, Deepseek i Gemini. Systemy te zostaną poproszone o dostarczenie:
Optymalne zalecenie poziomu PEEP dla pacjenta zdolność do wykrywania nieprawidłowych parametrów wentylacji Trzy możliwe sugestie diagnostyczne trzy proponowane podejścia do leczenia Dane dostarczone przez modele AI zostaną zarejestrowane i porównane z ocenami ręcznymi przeprowadzonymi przez doświadczonych specjalistów na OIOM. To porównanie ma na celu ustalenie, w jakim stopniu modele AI mogą służyć jako kliniczne narzędzia wspomagające decyzje. Wiarygodność, dokładność i zastosowanie kliniczne zaleceń generowanych przez AI zostaną dokładnie przeanalizowane.
W końcowej fazie badania poziomy PEEP określone przez modele AI zostaną porównane z tymi zidentyfikowanymi przez specjalistów OIOM z co najmniej pięcioletnim doświadczeniem. Zostaną ocenione następujące kryteria:
Zgoda między modelami AI a opiniami ekspertów na temat poziomów PEEP (pierwotna miara wyniku) wrażliwość i swoistość AI w wykrywaniu nieprawidłowych parametrów wentylacji Dokładność diagnozowania generowanych przez AI Kliniczne zastosowanie podejść do leczenia zalecanych przez AI
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Istanbul, Indyk, 34303
- Rekrutacyjny
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
Kontakt:
- Engin ihsan Turan
- Numer telefonu: 05382431114
- E-mail: enginihsan@hotmail.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Pacjenci w wieku 18 lat lub starsi (grupa dorosłych pacjentów).
- Pacjenci wymagający wentylacji mechanicznej na oddziale intensywnej terapii (OIOM).
- Hemodynamicznie stabilni pacjenci ze stabilnym ciśnieniem krwi i częstością serca.
- Pacjenci z pełną dokumentacją medyczną, w tym wartości gazu krwi i parametrów wentylacji.
- Pacjenci, których przedstawiciele prawni (w stosownych przypadkach) wyrazili świadomą zgodę na udział w badaniu.
Kryteria wykluczenia:
- Pacjenci otrzymujący przepaściowe natlenienie błony (ECMO).
- Pacjenci z ciężką niestabilnością hemodynamiczną, takich jak oporne niedociśnienie lub arytmii wymagające ciągłego wsparcia wazopresora.
- Pacjenci z niekompletną dokumentacją medyczną, szczególnie tych brakujących krytycznych danych na temat parametrów wentylacji lub analizy gazu krwi.
- Pacjenci lub ich przedstawiciele prawni, którzy odrzucają udział w badaniu.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Grupa PEEP generowana przez AI (grupa eksperymentalna)
Pacjenci w tej grupie będą mieli optymalne poziomy PEEP przy użyciu modeli AI (Chatgpt, Deepseek i Gemini).
Modele AI przeanalizują dane mechaniczne wentylacyjne, w tym krzywe zgodności, elastance, automatycznego PEEP, stałej czasowej i objętości ciśnienia (P-V), aby wygenerować zalecenia PEEP.
Te wartości generowane przez AI zostaną rejestrowane i przeanalizowane pod kątem dokładności, znaczenia klinicznego i zgodności z decyzjami ekspertowymi.
|
W tym badaniu trzy modele sztucznej inteligencji (AI) (CHATGPT, Deepseek i Gemini) przeanalizują dane mechaniczne wentylacyjne, w tym krzywe zgodności, elastance, auto-PEEP, stałą czasową i objętości presji (P-V), aby wygenerować specyficzne dla pacjenta rekomendacje PEEP. Te generowane przez AI zalecenia zostaną porównane z ręcznym miareczkowaniem podglądania wykonywanego przez doświadczonych specjalistów OIOM. Modele AI zapewnią również nieprawidłowe wykrywanie parametrów wentylacji, sugestie diagnostyczne i zalecenia dotyczące leczenia. Badanie ma na celu ocenę wiarygodności, dokładności i zastosowania klinicznego wyników wygenerowanych AI w optymalizacji ustawień PEEP u pacjentów z OIOM mechanicznie wentylowanych. |
|
Determinowana ekspertowa grupa PEEP (grupa kontrolna)
W tej grupie miareczkowanie PEEP będzie wykonywane ręcznie przez specjalistów z OIOM przy użyciu standardowych protokołów klinicznych.
Eksperci określą poziomy PEEP na podstawie identyfikacji dolnej i górnej punktu fleksji oraz analizy krzywej objętości ciśnienia.
Ich decyzje będą stanowić standard referencyjny oceny zaleceń generowanych przez AI.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Zgoda między poziomami PEEP wygenerowanych przez AI i
Ramy czasowe: 7 dni
|
Podstawowym rezultatem będzie zgoda między poziomami PEEP zalecanymi przez modele AI (Chatgpt, Deepseek, Gemini) a tymi, które ustalone ręcznie przez specjalistów OIOM.
Umowa zostanie oceniona za pomocą analizy Blanda-Altmana i współczynnika korelacji wewnątrzklasowej (ICC) w celu pomiaru spójności
|
7 dni
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Czułość i swoistość modeli AI w wykrywaniu nieprawidłowych parametrów wentylacji
Ramy czasowe: 7 dni
|
Modele AI zostaną ocenione pod kątem ich zdolności do prawidłowego identyfikowania nieprawidłowych parametrów wentylacji (np. Auto-Peep, słabej przestrzegania, nadmierne wyniki) w porównaniu z ocenami ekspertów.
Wrażliwość, swoistość, dodatnia wartość predykcyjna (PPV) i ujemna wartość predykcyjna (NPV) zostaną obliczone.
|
7 dni
|
|
Dokładność prognoz diagnostycznych generowanych przez AI
Ramy czasowe: 7 dni
|
Dokładność sugestii diagnostycznych złożonych przez modele AI zostanie porównana z ocenami klinicznymi specjalistami od OIOM.
Umowa będzie mierzona za pomocą statystyki Kappa Cohena.
|
7 dni
|
|
Kliniczne zastosowanie zaleceń leczenia generowanych przez AI
Ramy czasowe: W ciągu pierwszych 24 godzin od wentylacji mechanicznej.
|
Wykonalność i znaczenie kliniczne zaleceń dotyczących leczenia dostarczone przez modele AI zostaną ocenione przez specjalistów OIOM przy użyciu 5-punktowej skali Likerta (1 = nie przydatne, 5 = bardzo przydatne).
|
W ciągu pierwszych 24 godzin od wentylacji mechanicznej.
|
Współpracownicy i badacze
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- PEEP Titration
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 .