Utvärdering av förutsägbarhet av svår intubation med artificiell intelligensstödda system med antropometriska och ultrasonografiska mätningar som används i preoperativ luftvägsbedömning

Svår intubation, särskilt oförutsägbar svår intubation, är ett utmanande scenario för varje anestesiolog. Patienter som ursprungligen utvärderas som lämpliga för rutinmässig luftvägshantering kan presentera som svåra att intubera i 5% till 22% av fallen. Noggrann utvärdering och hantering av svåra luftvägar är avgörande, eftersom misslyckande inom luftvägshantering kan leda till allvarlig sjuklighet och dödlighet.

Luftvägsbedömning hjälper till att identifiera förutsägbara svåra luftvägar, men det utesluter inte patienter med normala kliniska utvärderingar som fortfarande kan uppleva oförutsägbar svår intubation. Det primära målet med luftvägsundersökning är att upptäcka övre luftvägspatologier eller anatomiska avvikelser. Flera fysiska egenskaper är förknippade med svåra luftvägar och misslyckad intubation, inklusive begränsad nacke rörlighet, snarkning, ett kort sternentalt avstånd och ökad nackeomkrets.

Vanliga utvärderingsverktyg för luftvägar, såsom Mallampati -klassificering och övre läppbettest, kräver patientsamarbete, vilket begränsar deras tillämpbarhet hos lugnande, trauma eller svarande patienter. Cormack-Lehane-klassificeringen, som används under direkt laryngoskopi, är invasiv och tillåter inte pre-proceduralberedning. I detta sammanhang har icke-invasiva, säng-, snabba och tillgängliga ultrasonografiska bedömningar och antropometriska mätningar fått betydelse för att förutsäga svåra luftvägar.

Med tekniska framsteg används i allt högre grad beslutsystem och konstgjord intelligens (AI) -assisterade applikationer för att förhindra negativa resultat. Framgångsrik luftvägshantering är särskilt kritisk hos patienter med hög risk, där snabbt beslutsfattande är avgörande. Lättillgängliga, sängen, icke-invasiva ultraljudsmätningar, integrerade med AI-baserade inlärningsprogram, har potential att förutsäga svår intubation i förväg. Detta möjliggör tidig förberedelse, snabba interventioner och minskning av livshotande risker.

I denna studie syftade researhers till att förutsäga svår intubation preoperativt med användning av icke-invasiva antropometriska och ultrasonografiska övre luftvägsmätningar, i kombination med AI-assisterade beslutsstödprogram, utan att kräva några invasiva procedurer.

Vår hypotes är att preoperativ luftvägsbedömning genom antropometriska och ultrasonografiska mätningar, som stöds av AI-baserade beslutsstödprogram, kan exakt förutsäga svår intubation och underlätta tidig förberedelse