Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Framework Głębokiego Uczenia do Ciągłej Prognozy Głębokości Znieczulenia

10 kwietnia 2026 zaktualizowane przez: Universitair Ziekenhuis Brussel

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

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

115

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Lokalizacje studiów

      • Bruges, Belgia, 8000
        • AZ Sint-Jan AV

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Pacjenci poddawani znieczuleniu ogólnemu z ciągłym monitorowaniem głębokości znieczulenia.

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

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Prospektywny
Prospektywna Kohorta
Retrospektywny
Retrospektywna Kohorta

Co mierzy badanie?

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

Miara wyniku
Opis środka
Ramy czasowe
Błąd średniokwadratowy (RMSE)
Ramy czasowe: Ciągły - okołooperacyjny
Błąd średniokwadratowy (RMSE)
Ciągły - okołooperacyjny

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Szacowany)

1 czerwca 2026

Zakończenie podstawowe (Szacowany)

1 sierpnia 2026

Ukończenie studiów (Szacowany)

1 września 2026

Daty rejestracji na studia

Pierwszy przesłany

2 kwietnia 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

10 kwietnia 2026

Pierwszy wysłany (Rzeczywisty)

17 kwietnia 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

17 kwietnia 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

10 kwietnia 2026

Ostatnia weryfikacja

1 marca 2026

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • AIBIS

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Subskrybuj