Оценка успеха моделей искусственного интеллекта при интерпретации данных анализа артериальной формы волны

Это проспективное обсервационное исследование направлено на оценку способности моделей искусственного интеллекта (ИИ) интерпретировать данные анализа артериальных сигналов, полученные из системы гемодинамического мониторинга. Исследование будет сосредоточено на оценке точности CATGPT-4 и Gemini 2.0 в обнаружении гемодинамических нарушений, предоставлении диагностических предложений, и предлагает рекомендации по лечению на основе данных артериальных форм волны, собранных у плановых хирургических пациентов.

Анализ фон и обоснование артериальных сигналов является критическим компонентом передового гемодинамического мониторинга, обеспечивая информацию в реальном времени на сердечный выброс, сосудистое сопротивление и статус объема. Эти параметры необходимы для руководства периоперационной лечением жидкости и оптимизации гемодинамической стабильности у хирургических и критически больных пациентов. В то время как автоматизированные системы мониторинга генерируют большие объемы данных, интерпретация этих сигналов остается зависимой от опыта клинициста. Интеграция инструментов поддержки решений на основе искусственного интеллекта в этом контексте может улучшить принятие клинических решений в реальном времени и сократить рабочую нагрузку для поставщиков медицинских услуг.

Учебные цели

Основной целью этого исследования является определение способности моделей ИИ анализировать данные артериальной формы волны и обнаруживать клинически значимые гемодинамические аномалии. Вторичные цели:

Оценить согласие между диагнозами, сгенерированными AI, и оценками экспертных анестезиологов.

Оценить клиническую целесообразность рекомендаций по лечению, сгенерированных AI.

Чтобы изучить потенциальную роль ИИ в системах поддержки клинических решений для гемодинамического мониторинга.

Дизайн исследования и методология

Это исследование будет проводиться в двух медицинских учреждениях высшего уровня:

Университет здравоохранения Станбул Кануни Султан Сюлейман Образование и учебная больница Башакшехир Чэм и больница Сакура.

Гемодинамические данные процесса сбора данных будут собираться у участников с использованием системы мониторинга с наиболее костюмом, которая обычно используется в периоперационных условиях.

Сбор данных будет проходить в три временных точка:

Преанестезия (базовый гемодинамический статус до индукции) индукция после анестезии (после интубации, до хирургического разреза) Интраоперационный период (во время ключевых хирургических событий, требующих гемодинамического вмешательства), если потребности вмешательства в соответствии с анализом артериальных волн, мы также будем брать данные до и после после и после вмешательство.

Анализ на основе ИИ

Собранные данные артериальной формы волны будут анонимизированы и обработаны моделями ИИ (CHATGPT-4 и Gemini 2.0), чтобы предоставить:

Обнаружение аномалии - выявление любых отклонений от нормальных гемодинамических параметров.

Диагностические предложения - обеспечение вероятных клинических диагнозов на основе моделей формы волны.

Рекомендации по лечению - предполагая возможные вмешательства для оптимизации гемодинамического статуса.

Экспертные проверки, сгенерированные AI, будут независимо рассмотрены опытными анестезиологами для оценки их точности и клинической значимости.

Соглашение между выходами ИИ и экспертными оценками будет статистически проанализировано.

Показатели результата

Первичный результат:

Точность моделей ИИ в обнаружении гемодинамических аномалий по сравнению с экспертными оценками.

Вторичные результаты:

Соглашение между диагнозами, сгенерированными AI и диагнозами анестезиологов. Клиническая уместность рекомендаций по лечению, сгенерированных AI по сравнению со стандартной клинической практикой.

Потенциальная роль ИИ модели в улучшении клинического принятия решений в периоперационном гемодинамическом лечении.

Этические соображения. Исследование не включает никаких дополнительных вмешательств за пределами обычного клинического мониторинга.

Никакие данные, идентифицируемые пациентом, не будут использоваться в анализе модели искусственного интеллекта. Информированное согласие будет получено от всех участников до зачисления. Исследование было одобрено соответствующими комитетами по этике в обоих участвующих учреждениях.

Сроки исследования Планируемое исследование Продолжительность: 6 месяцев Оценка Дата начала: 15 февраля 2025 г. Расчетная дата завершения: 15 августа 2025 г. Потенциальное воздействие

Это исследование даст ценную информацию о роли ИИ в автоматическом гемодинамическом мониторинге и периоперационной поддержке принятия решений. В случае успеха, AI-управляемый анализ артериальных данных сигнала может:

Повышение безопасности пациентов за счет раннего выявления гемодинамических аномалий. Повышение эффективности, помогая анестезиологам в интерпретации данных. Уменьшить рабочую нагрузку для периоперационных и интенсивных команд. Поддержать будущие инструменты клинического управления клиническими решениями для гемодинамического мониторинга.