Оценка моделей ИИ при определении оптимального Peep
Оценка успеха моделей искусственного интеллекта при определении оптимального PEEP в механической вентиляции в интенсивной терапии
Его исследование разработано как проспективное наблюдение клиническое исследование. Пациенты старше 18 лет, которые гемодинамически стабильны и требуют механической вентиляции в отделении интенсивной терапии. Критерии включения гарантируют, что участники требуют индивидуальной вентиляционной оптимизации.
Исследование будет включать сравнение между AI-сгенерированными рекомендациями PEEP и определенными экспертными уровнями PEEP. Специалисты ОИТ будут выполнять титрование PEEP вручную на основе стандартизированных протоколов, идентифицируя более низкую точку перегиба (LIP) и верхнюю точку перегиба (UIP) для оптимизации вентиляции. Кривая давления (P-V) будет проанализирована для обеспечения оптимального альвеолярного рекрутирования и предотвращения чрезмерного дистанции.
Процедуры изучения
Участники будут:
Проходят систематические оценки механической вентиляции, в том числе вдохновляющее удержание и маневрирование выдоха, соблюдение требований, эластичность, автоматическое пип и постоянные оценки времени.
Собранны и проанализированы данные вентиляции с использованием трех моделей ИИ: CHATGPT, DeepSeek и Gemini.
Получить сгенерированные AI рекомендации относительно оптимальных уровней PEEP, аномальных параметров вентиляции и потенциальных предложений по лечению.
Получите свои рекомендации Peep на основе искусственного интеллекта по сравнению с теми, которые определены специалистами по ОИТ, с не менее пяти лет опыта.
Показатели результата
Исследование будет сравнивать оценки ИИ и экспертов на основе следующих первичных и вторичных мер:
Первичный результат: Согласие между уровнями PEEP, сгенерированных AI и уровнями PEEP, определяемых экспертами.
Вторичные результаты:
Чувствительность ИИ и специфичность в обнаружении аномальных параметров вентиляции. Точность диагнозов, сгенерированных AI. Клиническая применимость стратегий лечения, рассмотренных AI. Это исследование направлено на определение того, могут ли модели искусственного интеллекта служить надежными инструментами поддержки клинических решений для лечения вентиляторов у пациентов с ОИТ.
Обзор исследования
Статус
Условия
Вмешательство/лечение
Подробное описание
Пациенты, получающие поддержку механической вентиляции в отделении интенсивной терапии (ОИТ), которые гемодинамически стабильны и старше 18 лет, будут считаться подходящими для исследования. Эти критерии были установлены для обеспечения того, чтобы пациентам потребовалась адекватная респираторная поддержка, при этом подходящая для индивидуальной оптимизации управления вентилятором.
В процессе отбора пациентов будут рассмотрены медицинские записи пациентов с ОИТ, а те, кто соответствует критериям, будут включены в исследование. Чтобы обеспечить точность клинических данных, процесс отбора пациентов будет осуществляться специалистами по интенсивной терапии.
Параметры механической вентиляции прилагаемых пациентов будут систематически записаны. В этом контексте для оценки дыхательной механики пациентов будут применены вдохновляющие удержание и хранение выдоха. Зарегистрированные измерения будут включать в себя соответствие (эластичность легких), эластичность (жесткость легких), Auto-Peep (наличие захвата воздуха) и постоянную времени (продолжительность газообмена).
В дополнение к этим основным параметрам вентиляции кривая давления (P-V) будет проанализирована для сбора критических данных для оптимизации вентиляции. Эти процедуры будут выполняться с использованием модулей расширенного анализа, интегрированных в вентиляторы интенсивной терапии и системы мониторинга пациентов. Собранные данные будут анализироваться как вручную экспертами, так и с помощью моделей искусственного интеллекта (ИИ) на протяжении всего исследования.
В исследовании титрование Peep будет выполняться вручную специалистами по интенсивной терапии. Этот процесс будет применен сразу после интубации для интубированных пациентов и будет продолжаться ежедневно. Процедура будет стандартизирована в соответствии с предопределенным протоколом и применяется последовательно для всех пациентов.
Будет идентифицирована более низкая точка перегиба (LIP), и PEEP будет применен в точке, где начинается альвеолярный рекрутинг. Этот шаг имеет решающее значение для предотвращения коллапса легких и обеспечения оптимальной оксигенации. Кроме того, верхняя точка перегиба (UIP) будет определена для предотвращения чрезмерного дистанции, гарантируя, что приливный объем остается ниже этого порога давления. Если более низкая точка перегиба не четко идентифицирована, уровень PEEP приблизительно 10 см.
Кривая объема давления вентилятора будет проанализирована, чтобы оценить, был ли достигнут оптимальный уровень PEEP. Если кривая сдвигается вверх, она будет считаться показателем успешного альвеолярного набора. Если кривая сдвигается вправо, это будет указывать на риск чрезмерного дистанции, что вызвало снижение PEEP. По этому подходу будет определено наиболее подходящий уровень PEEP для каждого пациента, и настройки вентилятора будут оптимизированы соответствующим образом. Эти процедуры обычно применяются в нашей больнице и во всем мире и являются одними из наиболее часто предпочтительных методов титрования PEEP.
Все собранные параметры вентиляции будут введены в три различные модели искусственного интеллекта: CHATGPT, DeepSeek и Gemini. Эти системы будут предложены предоставить:
Оптимальная рекомендация на уровне PEEP для пациента Способность обнаружить параметры аномальной вентиляции Три возможных диагностических предложений Три предлагаемых подхода к лечению. Данные, предоставленные моделями ИИ, будут записаны и сравниваются с ручными оценками, выполненными опытными специалистами ОРИТ. Это сравнение направлено на определение степени, в которой модели ИИ могут служить инструментами поддержки клинических решений. Надежность, точность и клиническая применимость рекомендаций, сгенерированных AI, будут тщательно проанализированы.
На последней фазе исследования уровни PEEP, определяемые моделями ИИ, будут сравниваться с тем, которые были идентифицированы специалистами по ОИТ с опытом работы не менее пяти лет. Будут оценены следующие критерии:
Согласие между моделями искусственного интеллекта и мнениями экспертов по уровням PEEP (PRIMENAL SEARTER) Чувствительность и специфичность ИИ в обнаружении аномальной вентиляции параметров вентиляции.
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Места учебы
-
-
-
Istanbul, Турция, 34303
- Рекрутинг
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
Контакт:
- Engin ihsan Turan
- Номер телефона: 05382431114
- Электронная почта: enginihsan@hotmail.com
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Пациенты в возрасте 18 лет и старше (группа пациентов для взрослых).
- Пациенты, требующие механической вентиляции в отделении интенсивной терапии (ОИТ).
- Гемодинамически стабильные пациенты со стабильным артериальным давлением и частотой сердечных сокращений.
- Пациенты с полными медицинскими картами, включая значения газа артериальной крови и параметры вентиляции.
- Пациенты, чьи юридические представители (если применимы), дали информированное согласие на участие в исследовании.
Критерии исключения:
- Пациенты, получающие экстракорпоральную мембранную оксигенацию (ECMO).
- Пациенты с тяжелой гемодинамической нестабильностью, такие как рефрактерная гипотензия или аритмия, требующие непрерывной поддержки вазопрессора.
- Пациенты с неполными медицинскими картами, особенно в тех критических данных о параметрах вентиляции или анализе газа артериальной крови.
- Пациенты или их юридические представители, которые отказываются от участия в исследовании.
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Группа Peep, сгенерированная AI (экспериментальная группа)
Пациенты в этой группе будут иметь свои оптимальные уровни PEEP, определяемые с использованием моделей искусственного интеллекта (CHATGPT, DeepSeek и Gemini).
Модели ИИ будут анализировать данные механической вентиляции, включая соблюдение, эластичность, автоматическую константу, постоянную времени и кривые давления (P-V), для получения рекомендаций PEEP.
Эти сгенерированные AI значения будут записаны и проанализированы на предмет точности, клинической значимости и согласия с экспертными решениями.
|
В этом исследовании три модели искусственного интеллекта (AI) (CHATGPT, DeepSeek и Gemini) будут анализировать данные вентиляции механической вентиляции, включая соблюдение требований, эластичность, автоматическую константу, постоянную времени и кривые давления (P-V), чтобы генерировать рекомендации PEEP, специфичные для пациента. Эти сгенерированные AI рекомендации будут сравниваться с ручным титрованием Peep, выполненным опытными специалистами в ОИТ. Модели ИИ также будут обеспечивать обнаружение аномальной вентиляции, диагностические предложения и рекомендации по лечению. Исследование направлено на оценку надежности, точности и клинической применимости результатов, сгенерированных AI, в оптимизации настроек PEEP для пациентов с механической вентиляцией интенсивной терапии. |
|
Определенная экспертная группа Peep (контрольная группа)
В этой группе титрование Peep будет выполняться вручную специалистами по отделению интенсивной терапии с использованием стандартных клинических протоколов.
Эксперты будут определять уровни PEEP на основе идентификации более низкой и верхней точки перегиба и анализа кривой давления.
Их решения будут служить эталонным стандартом для оценки рекомендаций, сгенерированных AI.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Соглашение между AI-генерируемыми и определенными экспертными уровнями PEEP
Временное ограничение: 7 дней
|
Основным результатом будет согласие между уровнями PEEP, рекомендованными моделями ИИ (CHATGPT, DeepSeek, Gemini), и теми, которые определены вручную специалистами по ОИТ.
Соглашение будет оцениваться с использованием анализа мягкого Альтмана и коэффициента внутриклассовой корреляции (ICC) для измерения согласованности
|
7 дней
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Чувствительность и специфичность моделей ИИ в обнаружении аномальных параметров вентиляции
Временное ограничение: 7 дней
|
Модели ИИ будут оцениваться на предмет их способности правильно идентифицировать аномальные параметры вентиляции (например, авто-пип, плохое соблюдение, чрезмерное расстояние) по сравнению с экспертными оценками.
Чувствительность, специфичность, положительная прогностическая ценность (PPV) и отрицательное прогностическое значение (NPV) будут рассчитаны.
|
7 дней
|
|
Точность диагностических прогнозов, сгенерированных AI
Временное ограничение: 7 дней
|
Точность диагностических предложений, сделанных моделями ИИ, будет сравниваться с клиническими оценками специалистов в ОИТ.
Соглашение будет измерено с использованием статистики Каппа Коэна.
|
7 дней
|
|
Клиническая применимость рекомендаций по лечению, сгенерированных AI
Временное ограничение: В течение первых 24 часов механической вентиляции.
|
Обработка и клиническая значимость рекомендаций по лечению, предоставленных моделями искусственного интеллекта, будут оцениваться специалистами по отделению интенсивной терапии с использованием 5-балльной шкалы Лайкерта (1 = бесполезно, 5 = очень полезно).
|
В течение первых 24 часов механической вентиляции.
|
Соавторы и исследователи
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- PEEP Titration
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .