Deep Learning-modell för att förutsäga en perifer venös vågformsbaserad pulstrycksvariation

Pulstrycksvariation är ett övervakningsindex som indikerar svaret på vätskebehandling hos patienter som får mekanisk ventilation och används som referens för patienter med instabila hemodynamiska tillstånd. Det är dock invasivt eftersom det kräver arteriell punktering för att samla upp det. I en tidigare studie av utredarna utvecklade och verifierade utredarna en artificiell intelligensmodell som förutsäger slagvolymvariation, i realtid med enbart den centrala ventrycksvågformen. Men eftersom en stor ven såsom halsvenen måste punkteras för att samla upp den centrala ventrycksvågformen, är den fortfarande invasiv och dess kliniska användbarhet är låg. Därför, i denna studie, samlade utredarna in vågformer från perifera vener som är mindre invasiva och kan vara ett brett spektrum av tillämpningar eftersom alla kirurgiska patienter har dem. Utredarna syftade till att utveckla och verifiera en artificiell intelligensmodell som förutsäger pulstrycksvariation erhållen från perifera venösa vågformer.