Pre-anestesi Imaging-baserad respiratorisk bedömning och analys

Anestesi andningsbedömning är en viktig fråga för anestesiologer för att utvärdera andningsstatus och luftvägshantering hos patienter före operation. American Society of Anesthesiologists (ASA) uppdaterade sina riktlinjer 2022 och betonade vikten av en omfattande andningsbedömning i riktlinjerna.

Olika riskfaktorer har föreslagits i tidigare litteratur för diskussion, och motsvarande dessa riskfaktorer finns det för närvarande ingen enskild faktor som helt kan förutsäga svår intubation. Befintliga undersökningar av svåra intubationsfaktorer fokuserar mest på högriskpopulationer, inklusive patienter med sjuklig fetma, där signifikanta skillnader har identifierats men inte utvecklats till prediktiva modeller.

Med den snabba utvecklingen av AI-relaterade tekniker de senaste åren har många bildrelaterade AI-ramverk föreslagits. Under senare år har försök gjorts att kombinera olika kliniska riskfaktorer med hjälp av maskininlärningsmetoder för att skapa automatiserade prediktionsmodeller för svår intubation. Deras effektivitet har dock inte motsvarat förväntningarna, vilket återspeglar det betydande kliniska problemet med svårigheter att förutsäga som förblir olöst.

Denna studie är en observationsstudie som syftar till att analysera och etablera patientbilddata, förfina olika datatekniker och optimera befintliga ramverk för förutsägelsemodeller för att förbättra deras medicinska värde. Dessutom kommer fokus för detta projekt att ligga på att etablera fler prediktionsmodeller för att förbättra befintliga kliniska beslutsstödssystem.