Överenskommelse mellan artificiell intelligens och anestesiläkare vid ultraljudsstyrd axillär plexus brachialis-blockad
Utvärdering av Överensstämmelse Mellan Artificiell Intelligens och Erfarna Anestesiläkare vid Identifiering av Målpunkt för Ultraljudsstyrd Axillär Plexus Brachialis-blockad: En Prospektiv Observationsstudie
Denna prospektiva observationsstudie syftar till att utvärdera överensstämmelsen mellan artificiell intelligens (AI)-assisterad identifiering av målpunkter och erfarna anestesiologer under ultraljudsstyrd axillär plexus brachialis-blockad.
Ultraljudsstyrning används i stor utsträckning inom regionalanestesi för att förbättra blockadens framgång och säkerhet. Emellertid är korrekt identifiering av anatomiska strukturer och optimala injektionspunkter fortfarande operatörsberoende. AI-baserade system har potential att assistera kliniker genom att identifiera anatomiska landmärken i realtid.
I denna studie kommer AI-genererade målpunkter att jämföras med de som bestäms av erfarna anestesiologer. Överensstämmelsen mellan de två metoderna kommer att analyseras. Sekundära utfall kommer att inkludera blockadprestandaparametrar och bildkvalitet.
Resultaten av denna studie kan bidra till att förstå den kliniska nyttan av AI inom ultraljudsstyrd regionalanestesi.
Studieöversikt
Status
Intervention / Behandling
Detaljerad beskrivning
Ultrasound-guided axillary brachial plexus block är en allmänt använd regional anestesiteknik för övre extremitetskirurgi. Framgången för proceduren beror i stor utsträckning på korrekt identifiering av nervstrukturer och optimala injektionspunkter, vilket är operatörsberoende.
Artificiell intelligens (AI) har nyligen framträtt som ett lovande verktyg för att assistera ultraljudstolkning genom att automatiskt identifiera anatomiska strukturer. Emellertid har nivån av överensstämmelse mellan AI-baserad målpunktsidentifiering och expertanestesiologer inte tillräckligt undersökts, särskilt vid axillär brachial plexus block.
I denna prospektiva observationsstudie kommer patienter som genomgår övre extremitetskirurgi under axillär brachial plexus block att inkluderas. Inga ytterligare ingrepp kommer att utföras på patienter inom ramen för studien. Alla utvärderingar kommer att baseras på realtidsultraljudsbilder som erhållits som en del av rutinmässig klinisk praxis.
Under rutinmässig ultraljudsundersökning före blockutförande kommer bilder att observeras i realtid. Erfarna anestesiologer kommer att bestämma anatomiska strukturer och optimala målpunkter för injektion under proceduren. Samtidigt kommer det AI-baserade systemet att analysera samma realtidsultraljudsbilder och identifiera målpunkter.
För varje identifierad nerv (median, ulnaris, radialis och muskulokutan) kommer både AI och anestesiologer att bestämma målpunkter för injektion. Den rumsliga skillnaden mellan AI-genererade och expertdefinierade målpunkter kommer att beräknas i millimeter.
Det primära målet är att utvärdera överensstämmelsen mellan AI och anestesiologer vid målpunktsidentifiering med intraklasskorrelationskoefficient (ICC). Dessutom kommer en skillnad på ≤5 mm mellan mätningarna att anses som kliniskt acceptabel överensstämmelse.
Sekundära utfall kommer att inkludera:
Andel mätningar inom ≤5 mm överensstämmelse Överensstämmelse i nervidentifiering Procedurrelaterade parametrar
Alla experttvärderingar kommer att utföras oberoende och blindade för AI-utdata.
Denna studie syftar till att avgöra om AI på ett tillförlitligt sätt kan assistera kliniker vid identifiering av anatomiska mål under ultraljudsstyrd regional anestesi utan att introducera någon ytterligare risk för patienter.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Muhammed Gökhan Abay
- Telefonnummer: +905379479745
- E-post: abay.25@gmail.com
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Ålder mellan 18 och 80 år
- American Society of Anesthesiologists (ASA) fysiskt status I-III
- Patienter schemalagda för övre extremitetskirurgi under ultraljudsstyrd axillär plexus brachialis-block som en del av rutinmässig klinisk praxis
- Förmåga att erhålla adekvat realtidsultraljutsbild av axillärregionen före blockutförande
- Lämnande av skriftligt informerat samtycke
Exklusionskriterier:
- Oförmåga att tydligt visualisera axillärartären och minst en perifer nerv (medianus, ulnaris, radialis eller muskulokutan) på ultraljutsbild
- Förekomst av signifikanta ultraljudsartefakter som försämrar bildtolkning
- Historia av tidigare kirurgi i axillärregionen som orsakar anatomisk förvrängning
- Anatomiska deformationer eller signifikanta anatomiska variationer i axillärregionen
- Otillräcklig ultraljutsbildskvalitet på grund av svår fetma eller andra tekniska begränsningar
- Misslyckande att erhålla realtidsultraljutsbild före blockutförande
- Återkallande av informerat samtycke
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Patienter som genomgår ultraljudsstyrd axillär plexus brachialis-blockad
Patienter som genomgår kirurgi i övre extremiteten där ultraljudsstyrd axillär plexus brachialis-blockad utförs som en del av den rutinmässiga kliniska praktiken.
Real-time ultraljudsbilder kommer att utvärderas samtidigt av ett artificiellt intelligenssystem och erfarna anestesiologer.
Inga ytterligare ingrepp kommer att utföras på patienterna.
|
Ultrasound-guided axillary brachial plexus block performed as part of routine clinical care.
No additional intervention is introduced for the purposes of the study.
Real-time ultrasound images obtained during the procedure will be analyzed by an artificial intelligence system and experienced anesthesiologists.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Överensstämmelse i målpunktsidentifiering mellan artificiell intelligens och anestesiläkare
Tidsram: Under blockproceduren (ultraljudsavbildning)
|
Överensstämmelsen mellan artificiell intelligens (AI) och erfarna anestesiläkare vid identifiering av målinjektionspunkter kommer att utvärderas med hjälp av intraklasskorrelationskoefficienten (ICC).
Målpunkter kommer att definieras med hjälp av koordinatbaserade mätningar på realtidsultraljudsbilder.
|
Under blockproceduren (ultraljudsavbildning)
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Andel mätningar inom kliniskt acceptabel överensstämmelse
Tidsram: Under blockproceduren
|
Andelen målpunktmätningar med en skillnad på ≤5 mm mellan AI och anestesiologer kommer att beräknas.
En skillnad på ≤5 mm kommer att betraktas som kliniskt acceptabel överensstämmelse.
|
Under blockproceduren
|
|
Överenskommelse i Nervidentifiering
Tidsram: Under blockproceduren
|
Överensstämmelse mellan AI och anestesiologer vid identifiering av perifera nerver (medianus, ulnaris, radialis och muskulokutana) kommer att utvärderas med Cohens kappakoefficient.
|
Under blockproceduren
|
|
Rumslig skillnad mellan målpunkter
Tidsram: Under blockproceduren
|
Det absoluta avståndet (i millimeter) mellan AI-genererade och anestesiläkardefinierade målpunkter kommer att beräknas för varje mätning.
|
Under blockproceduren
|
Samarbetspartners och utredare
Sponsor
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Andra studie-ID-nummer
- 121
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .