AI-assisterad röntgenstråle för felplacerad endotrakeal och nasogastriska rör och pneumotorax i nöd- och kritiska vårdinställningar

Bakgrundsutvecklingar inom artificiell intelligens (AI) har drivit betydande genombrott i datorstödd upptäckt (CAD) för röntgenavbildning av bröstet. National Taiwan University Hospital (NTUH) forskarteam utvecklade tidigare ett AI-baserat nödkapsten CXR-system (de flesta 111-2634-F-002-015-, Capstone Project), vilket ledde till skapandet av en röntgenmodul för bröstet. Denna röntgenmodul för bröstet har en etablerad modell som stöds av omfattande forskning och är redo för direkt tillämpning i kliniska prövningar utan att kräva ytterligare modellträning. Denna studie kommer att använda tre submoduler av systemet: detektion av missplacerade endotrakeala rör, detektion av felplacerade nasogastriska rör och identifiering av pneumotorax.

Mål Denna studie syftar till att tillämpa ett röntgen-röntgenstrålningssystem i realtid i nöd- och kritiska vårdinställningar för att utvärdera dess kliniska och ekonomiska fördelar utan att kräva ytterligare röntgenundersökningar eller förändra standardvård och procedurer. Studien kommer att utvärdera CAD-systemets påverkan på mortalitetsminskning, komplikationer efter intubation, sjukhusvistelse varaktighet, arbetsbelastning och tolkningstid, tillsammans med en kostnadseffektivitetsjämförelse med standardvård.

Metoder Denna studie antar en pilotförsök och kluster randomiserad kontrollerad testkonstruktion, med slumpmässig tilldelning utförd på avdelningsnivå. I interventionsgruppen beviljas enheter tillgång till AI -diagnostiska resultat, medan kontrollgruppen fortsätter standardvårdspraxis. Samtycke kommer att erhållas från att delta i läkare, invånare och sjuksköterskor av avancerade praxis i varje deltagande avdelning. När samtycke är säkrat kommer dessa sjukvårdsleverantörer i interventionsgruppen att ha behörighet att använda CAD -systemet. Interventionsenheter kommer att ha tillgång till AI-genererade tolkningar, medan kontrollenheter kommer att upprätthålla rutinmässiga medicinska procedurer utan tillgång till AI-diagnostiska utgångar.

Resultat Studien finansierades i september 2024. Datainsamling förväntas pågå från januari 2025 till december 2027.

Slutsatser Denna studie räknar med att röntgenstrålningssystemet i realtid kommer att automatisera identifiering och detektion av felplacerad endotrakeal och nasogastriska rör på röntgenstrålar, samt hjälpa kliniker att diagnostisera pneumotorax. Genom att minska arbetsbelastningen av läkare förväntas systemet förkorta den tid som krävs för att upptäcka rörmassning och pneumotorax, minska patientdödligheten och sjukhusvistelser och i slutändan lägre sjukvårdskostnader.