Utvärdering av dubbel lumenrörintubationssvårigheter med fotobaserad konstgjord intelligensalgoritmer

Komplexiteten och svårigheterna med intubation med dubbla lumenrör kräver användning av avancerad teknik vid hanteringen av denna procedur. Potentialen för fotobaserade konstgjorda intelligensalgoritmer att förutsäga och minimera de svårigheter som uppstått under intubation är den viktigaste motivationen för denna studie.

Användningen av konstgjorda intelligensalgoritmer inom området för luftvägshantering har ett stort löfte om att ge feedback i realtid till anestesiologer, förbättra effekten av intubationsförfaranden och minska förekomsten av komplikationer. Specifikt kan fotobaserade AI-system underlätta en mer omfattande förståelse av luftvägsanatomi genom att analysera bilder som fångats före och under intubation och därmed förbättra hanteringen av komplexa fall. Syftet med denna studie är att undersöka effektiviteten och tillförlitligheten för fotobaserad fotobaserad Konstgjord intelligensalgoritmer vid utvärdering av komplexiteten i intubation med ett dubbel lumenrör. Integrationen av konstgjord intelligens i intubationsprocessen är avsedd För att förbättra patientens resultat och skapa ett nytt riktmärke för anestesipraxis. Denna studie syftar till att hantera det befintliga gapet i litteraturen och ge innovativa metoder för klinisk praxis.

Informerat samtycke erhölls från patienter som genomgick thoraxkirurgi -operationer och demografiska data (ålder, höjd, kroppsvikt, kroppsmassaindex, kön), American Society of Anesthesiologists (ASA) poäng, typ av drift och komorbid sjukdomar (diabetes mellitus, hypertoni , kranskärlssjukdom, kronisk njursjukdom, kronisk obstruktiv lungsjukdom, astma, obstruktiv sömnapné) erhölls. Thoracic och/eller ExtraTath Oracic Malignancy History), parametrar som betraktas som riskfaktorer för svår intubation (historia av tidigare svår intubation, citronkriterier (titta externt, utvärdera, mallampati, obstruktion, nacke rörlighet), övre läppbettest) och fotografier av The Photographs, Patienter (inklusive huvud- och nackregion) kommer att registreras i sex olika riktningar och sätt med en professionell kamera (aktivt används på vårt sjukhus) under den preoperativa perioden. Under den intraoperativa fasen kommer Cormack-Lehane-poängsystemet att användas, och intubationsprocessen med ett dubbel-lumenrör kommer att utvärderas för lätthet eller svårigheter. Intraoperativa komplikationer relaterade till operationen kommer också att dokumenteras. Data kommer sedan att behandlas med hjälp av Python 3-programmeringsspråk och öppna källbibliotek för att beräkna konstgjorda intelligensalgoritmer. I händelse av ofullständig patientdata kommer datatekniker att användas för att komplettera programmet Artificial Intelligence.

Studiens primära utfallsvariabel är den hastighet med vilken den fotobaserade artificiell intelligensalgoritmen förutspår om intubation med ett dubbel lumenrör är enkelt eller svårt. Den sekundära utfallsvariabeln är jämförelsen av förutsägelseshastigheten med dubbel lumenrör genom fotobaserad artificiell intelligensalgoritmer och hastigheten för förutsägelse av intubation med dubbel lumenrör med konventionella metoder.