"Monitoramento de pressão arterial não invasiva à base de IA em comparação com a medição arterial invasiva" (NICONPRESS-1)

O gerenciamento da pressão arterial intraoperatória desempenha um papel crítico na prevenção de complicações pós -operatórias, incluindo disfunção de órgãos. Embora as técnicas não invasivas intermitentes oscilométricas sejam o padrão para o monitoramento da pressão arterial na maioria dos pacientes cirúrgicos, eles podem deixar de capturar rápidas flutuações hemodinâmicas, especialmente durante períodos de alto risco, como indução, intubação e mudanças repentinas de posicionamento. Nesses casos, o monitoramento contínuo da pressão arterial invasiva (IABP) é frequentemente usada para vigilância hemodinâmica em tempo real. No entanto, o monitoramento do IABP traz riscos, incluindo sangramento, trombose, hematoma, oclusão arterial e infecções na corrente sanguínea. As taxas de trombose da artéria radial relatadas atingem até 19,7%, e complicações relacionadas ao cateter, como hematoma ou sangramento, ocorrem em até 15% dos casos.

Há uma demanda crescente por tecnologias de monitoramento de pressão arterial contínua não invasiva (NCBPM) para evitar tais complicações. A fotopletismografia (PPG), derivada de oxímios de pulso, emergiu como uma técnica não invasiva promissora. As formas de onda PPG refletem mudanças de perfusão periférica e oferecem informações sobre a dinâmica do ciclo cardíaco. No entanto, a estimativa independente baseada em PPG é limitada por sua dependência do tônus ​​vascular periférico, artefatos de movimento e falta de dados cardíacos elétricos.

Para superar essas limitações, este estudo propõe uma abordagem híbrida usando sinais sincronizados de fotopletisnografia (PPG) e eletrocardiografia (ECG), aprimorada com análise de forma de onda baseada em inteligência artificial (AI). Essa combinação tem como objetivo melhorar a precisão e a resolução temporal do monitoramento de pressão arterial contínua não invasiva. O método proposto, denominado CPEs (oxímetro de pulso combinado e sinais de ECG), baseia -se na hipótese de que os sinais de integração elétrica (ECG) e óptica (PPG) permitirão uma melhor modelagem de velocidade da onda de pulso arterial (PWV), tempo de transmissão de pulso (PTT) e parâmetros hemodinâmicos de rotação.

O desenho do estudo inclui gravação intraoperatória em tempo real de sinais de PPG e ECG em pacientes submetidos a cirurgia eletiva sob anestesia geral com monitoramento concomitante de IABP por cateterismo da artéria radial. As formas de onda PPG serão adquiridas usando um oxímetro de pulso de comprimento de onda dupla/vermelho/infravermelho padrão (660 nm e 940-960 nm) e o ECG será coletado usando monitoramento contínuo de 3 líderes. A sincronização será garantida usando um algoritmo de estampamento de tempo. A aquisição de dados ocorrerá durante fases intraoperatórias distintas: linha de base (pré-indução), indução, intubação, manutenção e intervenções posicionais (± 15 ° Trendelenburg e Trendelenburg reverso).

O desfecho primário é a concordância entre os valores de pressão arterial sistólica e diastólica derivada de CPEs e os valores invasivos da pressão arterial registrados simultaneamente, avaliados via análise de Bland-Altman. A precisão clínica será determinada comparando o erro absoluto médio (MAE) e o erro quadrado médio da raiz (RMSE) com o padrão AAMI/ANSI/ISO 81060-2, que requer uma diferença média de ≤5 mmHg e desvio padrão de ≤8 mmHg.

Os resultados secundários incluem:

Capacidade do sistema CPES de rastrear alterações rápidas da pressão arterial (ΔSBP, ΔDBP) durante a indução e manipulação das vias aéreas.

Avaliação dos efeitos posicionais na precisão da estimativa da pressão arterial usando comparações posicionais emparelhadas.

Modelagem exploratória de parâmetros hemodinâmicos derivados (por exemplo, PTT, HRV, PWV) e suas correlações com a morfologia das ondas arteriais e métricas de BP invasivas.

O processamento de sinal envolverá remoção, detecção de batida, normalização e segmentação do artefato. A extração de recursos incluirá características no domínio do tempo, no domínio da frequência e morfológicas do PPG e do ECG. Modelos de aprendizado de máquina (por exemplo, aumento de gradiente, LSTM ou redes neurais convolucionais) podem ser treinadas no conjunto de dados para melhorar o desempenho preditivo.

Este estudo tem como objetivo demonstrar que a combinação de sinais elétricos e ópticos pode produzir medições de pressão arterial clinicamente aceitáveis ​​de maneira não invasiva, melhorando a segurança do paciente e reduzindo a necessidade de linhas invasivas. Se validado, essa abordagem poderá ser integrada aos monitores de sala de operações existentes, expandindo o acesso ao monitoramento contínuo da BP em configurações de rotina e recursos limitados.