Förutsäga neuromuskulär återhämtning hos kirurgiska patienter med hjälp av maskininlärning (PINES)

Målet med PINES-projektet är att identifiera en modell som exakt kan förutsäga 1) tid till fullständig neuromuskulär återhämtning, 2) optimal tidpunkt och dos av neuromuskulära blockerande medel vid varje tidpunkt under operationen, och 3) TOF-förhållande vid det beräknade slutet av operation för att bedöma kvarvarande förlamning. Dessutom kommer en prospektiv klinisk pilotstudie att genomföras för att jämföra anestesiologens förutspådda neuromuskulära återhämtning med algoritmens.

Projektet består av två huvudmål:

I. Big data-analys

• Etablering av datalager: Elektronisk registerdata kommer att användas.
• Generering av prediktionsmodeller: Klassificeringsmodeller kommer först att användas för att identifiera och vikta de relevanta parametrarna som samlats in under premedicinering och intraoperativt. Dessa kommer att ligga till grund för utbildningskohorten, som sedan kan användas för att genomföra en simulerad realtidsanalys av data. För att jämföra modellerna kommer förlustfunktionerna medelkvadratfel, medelabsolutfel och Huberförlust att beräknas.

II. Prospektiv jämförelse av förutsägelsen: maskininlärningsmodell kontra anestesiolog

Med hjälp av den validerade slutliga prediktionsmodellen med bästa noggrannhet kommer vi att utföra en prospektiv klinisk pilotstudie. Kohorten kommer att inkludera prospektivt inskrivna kirurgiska patienter som kommer att analyseras av prediktionsmodellen samt en erfaren anestesiolog. Operationer som kräver neuromuskulär blockering av något icke-depolariserande neuromuskulärt blockerande medel kommer att inkluderas. En anestesiläkare kommer prospektivt att uppskatta tiden till neuromuskulär återhämtning i 10-minutersintervaller med början med den initiala dosen av neuromuskulärt blockerande medel vid anestesiinduktion. Överensstämmelse mellan förutsägelser och objektivt uppmätt tid till TOF-förhållande >0,95 kommer att bedömas med hjälp av interbedömande korrelationskoefficienter.