Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Att skapa en AI-aktiverad anordning för luftvägsbedömning (AINFAS) för att identifiera patienter med svår intubation preoperativt.

8 februari 2026 uppdaterad av: National University Hospital, Singapore

Artificiell Intelligens-aktiverad 3D-ansiktsskanner för luftvägsbedömning (AINFAS)

Vi utvecklar en ny AI som använder avancerad datorteknik för att hjälpa läkare att identifiera patienter som kan ha svåra luftvägar före operation eller akuta ingrepp. Ibland, när en person behöver hjälp med andningen, måste läkare sätta in ett rör i deras luftvägar. Detta kan vara utmanande för vissa personer på grund av formen på deras mun, hals eller nacke. Vi hoppas att AI kommer att titta på en patients ansiktsdrag för att förutsäga om det kan uppstå några svårigheter.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Detaljerad beskrivning

AINFAS (Artificial Intelligence-enabled system for airway assessment) är ett innovativt AI-system vi utvecklar för att revolutionera luftvägshantering inom sjukvården. Detta avancerade artificiella intelligenssystem är utformat för att analysera patientegenskaper och förutsäga potentiella svårigheter i luftvägshantering innan någon medicinsk procedur som kan kräva andningshjälp. Med hjälp av sofistikerade maskininlärningsalgoritmer bearbetar AINFAS data som ansiktsstruktur och nackanatomi för att bedöma sannolikheten för en svår luftväg. Detta icke-invasiva, snabba bedömningsverktyg har potentiella tillämpningar inom olika sjukvårdssammanhang, inklusive preoperativa bedömningar, akutmottagningar, intensivvårdsavdelningar och till och med prehospital vård. Genom att tillhandahålla tidig identifiering av potentiella luftvägsutmaningar syftar AINFAS till att förbättra patientsäkerheten, optimera resursallokering och tillhandahålla en standardiserad, objektiv metod för luftvägsbedömning. För närvarande under utveckling och testning representerar detta AI-system ett betydande steg framåt i användningen av teknik för att förbättra kliniskt beslutsfattande och patientsäkerhet inom kritiska aspekter av medicinsk vård.

Studietyp

Observationell

Inskrivning (Faktisk)

1000

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

      • Singapore, Singapore, 119074
        • National University Hospital Singapore

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter som genomgår operation på National University Hospital Singapore Endast.

Beskrivning

Inklusionskriterier:

  • Genomgår kirurgi under allmän anestesi som kräver endotrakeal intubation eller supraglottiskt luftvägshjälpmedel
  • 21-100 år gammal

Exklusionskriterier:

  • Ålder under 21 år
  • Patienter med tidigare operation som förändrat ansiktsutseende
  • Patienter med trakeostomi
  • Patienter med någon orofaryngeal patologi
  • Patienter med nasofaryngeal cancer efter strålbehandling eller kemoterapi
  • Gravida kvinnor
  • Patienter vars läkare inte använde laryngoskop eller supraglottiskt luftvägshjälpmedel

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Allmän anestesi kirurgi
deltagare som får sin bild tagen med en surfplatta enligt ett standardiserat protokoll för att fånga relevanta ansikts- och halsdrag. Dessa fotografier kommer sedan att analyseras med programvara som utvärderar bilderna för potentiella indikatorer på ett svårintuberbart luftvägssystem.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Noggrannheten hos AINFAS för att förutsäga svåra luftvägar
Tidsram: Bedömningen kommer att ske från tiden för preoperativ AI-analys fram till slutförandet av intuberingsproceduren, vanligtvis inom 48 timmar.
Att identifiera och karakterisera de viktigaste prediktiva parametrarna som bidrar till AI-systemets övergripande förmåga att upptäcka svåra luftvägar.
Bedömningen kommer att ske från tiden för preoperativ AI-analys fram till slutförandet av intuberingsproceduren, vanligtvis inom 48 timmar.

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Identifiering av nya prediktorer för svåra luftvägar
Tidsram: Dataanalys kommer att genomföras efter avslut av alla deltagarprocedurer, vanligtvis inom 2 år efter den sista deltagarens bedömning.
Att identifiera och karakterisera nya prediktiva parametrar som bidrar till AI-systemets övergripande förmåga att bestämma sannolikheten för ett svårhanterligt luftvägsobstruktion.
Dataanalys kommer att genomföras efter avslut av alla deltagarprocedurer, vanligtvis inom 2 år efter den sista deltagarens bedömning.

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Utredare

  • Huvudutredare: Will Ne-Hooi Loh, National University Hospital, Singapore

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

17 maj 2022

Primärt slutförande (Faktisk)

24 januari 2025

Avslutad studie (Beräknad)

1 december 2026

Studieregistreringsdatum

Först inskickad

21 december 2025

Först inskickad som uppfyllde QC-kriterierna

8 februari 2026

Första postat (Faktisk)

13 februari 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

13 februari 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

8 februari 2026

Senast verifierad

1 december 2025

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • 2021/00908

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera