使用深度卷积神经网络预测气管插管深度
2021年10月6日 更新者：Po Jui Chen、Chang Gung Memorial Hospital
利用深度卷积神经网络和胸片预测气管插管前固定的适当深度
气管导管 (ETT) 的错位可能会导致巨大的灾难。
需要开发一种方便的方法来预测 ETT 固定的适当深度。
事实证明，深度卷积神经网络 (DCNN) 在胸片分析中表现良好。
研究者假设 DCNNs 也可以评估插管前胸片来预测合适的 ETT 深度，但没有发现相关研究。
作者评估了 DCNN 分析插管前胸片和患者数据以预测插管前 ETT 固定深度的能力。
研究概览
详细说明
这是一项经 IRB 批准的回顾性研究，使用从台湾林口长庚纪念医院的图片存档和通信系统 (PACS) 获得的胸片图像。
本研究共获得了 595 名未识别患者的胸片。 本研究的纳入标准是 18 岁或以上的患者，他们在 2019 年 11 月至 2020 年 10 月期间进行了气管插管，并且在插管前后（<24 小时）拍摄了胸片。 获得同一患者的插管前和插管后胸片。 还记录了包括年龄、性别、身高、体重、ETT固定深度在内的临床数据。 所有 ETT 尖端到隆突的距离均由同一位麻醉师根据插管后胶片手动测量并记录。 每个患者的嘴唇到隆突的长度可以通过将 ETT 固定深度和 ETT 尖端到隆突的距离相加来计算。
收集插管前胸片 (n = 595) 以及包括年龄、性别、身高、体重和测得的唇到隆突长度在内的临床数据用于模型构建。 对于这项研究，其中 476/595 (80%) 用于训练，119/595 (20%) 用于由 AI 模型随机选择的验证。 在训练过程中，图像和相关临床数据以及测量的唇到隆突长度被输入并用于拟合 AI 模型。 然后，在验证过程中，研究人员使用那些不可预见的病例的图像和临床数据来评估预测唇到隆突长度的模型准确性和有效性。
研究类型
观察性的
注册 (实际的)
595
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Guishan Township
-
Taoyuan、Guishan Township、台湾、333
- Chang Gung Memorial Hospital, Linkou Branch
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
概率样本
研究人群
在台湾林口长庚医院接受气管插管的 18 岁或以上患者。
描述
纳入标准：
- 18岁或以上
- 2019年11月至2020年10月经口气管插管
- 在插管前和插管后 24 小时内拍过胸片
排除标准：
- 胸片质量差，无法识别患者隆突
- 在插管后胶片中发现支气管插入的患者
- 鼻插管
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
训练
训练组的图像和相关临床数据以及测得的唇到隆突长度被输入并用于拟合深度卷积神经网络模型。
|
使用深度卷积神经网络分析插管前的胸片以及患者的数据，以预测 ETT 固定的适当深度
|
|
验证
我们使用验证组中那些不可预见的病例的图像和临床数据来评估预测唇到隆突长度的模型准确性和有效性。
|
使用深度卷积神经网络分析插管前的胸片以及患者的数据，以预测 ETT 固定的适当深度
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
人工智能模型预测的唇到隆突的长度
大体时间：DCNN 分析后 1 分钟
|
AI 预测长度与测量长度的平均绝对误差用于评估 AI 性能
|
DCNN 分析后 1 分钟
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
AI模型推荐的气管导管错位率
大体时间：DCNN 分析后 1 分钟
|
气管导管错位用于提高 AI 推荐的安全性。
|
DCNN 分析后 1 分钟
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Lakhani P. Deep Convolutional Neural Networks for Endotracheal Tube Position and X-ray Image Classification: Challenges and Opportunities. J Digit Imaging. 2017 Aug;30(4):460-468. doi: 10.1007/s10278-017-9980-7.
- Lakhani P, Flanders A, Gorniak R. Endotracheal Tube Position Assessment on Chest Radiographs Using Deep Learning. Radiol Artif Intell. 2020 Nov 18;3(1):e200026. doi: 10.1148/ryai.2020200026. eCollection 2021 Jan.
- Eagle CC. The relationship between a person's height and appropriate endotracheal tube length. Anaesth Intensive Care. 1992 May;20(2):156-60. doi: 10.1177/0310057X9202000206.
- Varshney M, Sharma K, Kumar R, Varshney PG. Appropriate depth of placement of oral endotracheal tube and its possible determinants in Indian adult patients. Indian J Anaesth. 2011 Sep;55(5):488-93. doi: 10.4103/0019-5049.89880.
- Techanivate A, Rodanant O, Charoenraj P, Kumwilaisak K. Depth of endotracheal tubes in Thai adult patients. J Med Assoc Thai. 2005 Jun;88(6):775-81.
- Herway ST, Benumof JL. The tracheal accordion and the position of the endotracheal tube. Anaesth Intensive Care. 2017 Mar;45(2):177-188. doi: 10.1177/0310057X1704500207.
- Chong DY, Greenland KB, Tan ST, Irwin MG, Hung CT. The clinical implication of the vocal cords-carina distance in anaesthetized Chinese adults during orotracheal intubation. Br J Anaesth. 2006 Oct;97(4):489-95. doi: 10.1093/bja/ael186. Epub 2006 Jul 27.
- Conrardy PA, Goodman LR, Lainge F, Singer MM. Alteration of endotracheal tube position. Flexion and extension of the neck. Crit Care Med. 1976 Jan-Feb;4(1):8-12. doi: 10.1097/00003246-197601000-00002. No abstract available.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2019年11月1日
初级完成 (实际的)
2020年10月31日
研究完成 (实际的)
2020年10月31日
研究注册日期
首次提交
2021年9月24日
首先提交符合 QC 标准的
2021年10月6日
首次发布 (实际的)
2021年10月20日
研究记录更新
最后更新发布 (实际的)
2021年10月20日
上次提交的符合 QC 标准的更新
2021年10月6日
最后验证
2021年10月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.