Эффективность алгоритмов искусственного интеллекта

Введение На протяжении всей истории человечества в лечении человека часто применялись хирургические вмешательства. Однако, несмотря на свои терапевтические свойства, боль, испытываемая пациентами, особенно в остром послеоперационном периоде, может оказаться весьма сложной задачей для клиницистов. Острая послеоперационная боль является важной проблемой общественного здравоохранения. Хотя 80% пациентов сообщают о боли в послеоперационном периоде, 88% из них испытывают боль умеренного или более высокого уровня. По данным другого исследования, более 60% хирургических больных страдают от острой послеоперационной боли от умеренной до тяжелой, и эта боль была связана с развитием хронической послеоперационной боли. Плохо управляемая послеоперационная боль может привести к негативным последствиям, таким как снижение удовлетворенности пациентов, задержка выздоровления пациентов, увеличение продолжительности пребывания в больнице, увеличение затрат на уход, хроническая боль, ненужное назначение опиоидов, злоупотребление опиоидами, передозировка и смерть. Кроме того, чтобы обеспечить эффективное обезболивание, часто используется способ профилактического обезболивания до начала боли. Однако эта ситуация может привести к ненужному назначению лекарств у многих пациентов и, как следствие, ко многим нежелательным явлениям, таким как кровотечение, угнетение дыхания, сердечные приступы или побочные эффекты со стороны желудочно-кишечного тракта от опиоидов, нестероидных противовоспалительных препаратов и других анальгетиков. В результате сложность прогнозирования острой послеоперационной боли приводит к неоптимальному лечению боли. Таким образом, возможность предсказать, какие пациенты будут страдать от острой послеоперационной боли от умеренной до тяжелой, позволит оптимизировать соотношение риска и пользы периоперационного анальгетического лечения и гарантировать проведение соответствующего лечения. Хотя в различных исследованиях на эту тему пытались предсказать послеоперационную боль с помощью логистического регрессионного анализа, желаемый результат еще не был достигнут. Эта ситуация становится еще более актуальной при операциях с высоким риском возникновения сильной боли в послеоперационном периоде, таких как резекция легкого. Чтобы уменьшить или предотвратить послеоперационные легочные осложнения у пациентов, перенесших резекцию легкого, очень важно, чтобы пациенты имели возможность кашлять, не ощущая боли, и таким образом удалять секрет из дыхательных путей. Если не обеспечить достаточную анальгезию, эти пациенты не смогут выполнять ее эффективно. Это увеличивает осложнения, время пребывания в больнице и затраты на уход за пациентами. Чтобы предотвратить эти негативные ситуации и обеспечить оптимальную аналгезию, необходимы новые методы прогнозирования уровня послеоперационной боли. В исследованиях было предложено множество моделей для понимания факторов риска, которые усугубляют тяжелую острую послеоперационную боль. Большая часть исследований в этой области была сосредоточена на определении факторов риска послеоперационной боли с использованием статистической методологии. Предыдущие исследования показывают, что модели машинного обучения могут превосходить линейные статистические модели при классификации результатов, связанных с послеоперационной болью, если учитывать схожие характеристики. Таким образом, алгоритмы искусственного интеллекта (ИИ) — это алгоритмы, которые могут объединять и анализировать сложные данные с сотнями переменных и предоставлять новые результаты, а также могут находить эффективные решения для прогнозирования и управления послеоперационным процессом. Предыдущие исследования показали многообещающие результаты в прогнозировании острой послеоперационной боли с площадью под кривой (AUC) 0,70 с использованием алгоритмов искусственного интеллекта для прогнозирования боли на основе периоперационных данных. Однако исследования по этой теме необходимы при конкретной операции, такой как резекция легкого, которая может вызвать сильную боль.

Целью этого исследования было прогнозирование послеоперационной боли путем анализа периоперационных данных с использованием алгоритмов искусственного интеллекта при резекциях легких и определение эффективности алгоритмов искусственного интеллекта в этом отношении. Таким образом, целью было сократить ненужное применение анальгетиков у пациентов, устранить возможные побочные эффекты этих препаратов и своевременно начать эффективное обезболивающее лечение у пациентов с высоким болевым риском.

Цель/гипотеза:

Целью этого исследования было прогнозирование послеоперационной боли путем анализа периоперационных данных с использованием алгоритмов искусственного интеллекта при резекциях легких и определение эффективности алгоритмов искусственного интеллекта в этом отношении.

H0: Алгоритмы искусственного интеллекта неэффективны для прогнозирования послеоперационной боли при резекции легких.

H1: Алгоритмы искусственного интеллекта эффективны для прогнозирования послеоперационной боли при резекции легких.

Материал-Метод:

Это исследование будет проводиться в соответствии с Хельсинкской декларацией и будет проведено в учебно-исследовательской больнице санатория Ататюрк SBÜ Анкары после получения одобрения комитета по этике. Наше исследование является ретроспективным. Ретроспективно собранные данные о пациентах будут проспективно оцениваться с помощью алгоритмов искусственного интеллекта.