人工智能算法的有效性

简介 纵观人类历史，外科手术经常被用于人类治疗。 然而，尽管它们具有治疗作用，但患者所经历的疼痛，尤其是术后急性期的疼痛，对临床医生来说可能是相当具有挑战性的。 术后急性疼痛是一个重要的公共卫生问题。 虽然 80% 的患者报告在术后期间经历疼痛，但其中 88% 的患者经历中度或更高程度的疼痛。 另一项研究表明，超过 60% 的手术患者患有中度至重度急性术后疼痛，并且这种疼痛与慢性术后疼痛的发展有关。 术后疼痛管理不善可能会导致负面结果，例如患者满意度降低、患者康复延迟、住院时间延长、护理费用增加、慢性疼痛、不必要的阿片类药物处方、阿片类药物滥用、用药过量和死亡。 此外，为了提供有效的疼痛管理，经常使用在疼痛开始之前提供预防性镇痛治疗的方法。 然而，这种情况可能导致许多患者不必要的用药，从而导致许多不良事件，例如阿片类药物、非甾体抗炎药和其他镇痛药的出血、呼吸抑制、心脏事件或胃肠道系统副作用。 因此，难以预测术后急性疼痛导致疼痛管理不理想。 因此，能够预测哪些患者将遭受中度至重度急性术后疼痛将优化围手术期镇痛治疗的风险效益比，并确保给予适当的治疗。 尽管针对该主题的不同研究尝试通过逻辑回归分析来预测术后疼痛，但尚未达到预期结果。 这种情况在术后期间剧烈疼痛风险较高的手术中变得更加重要，例如肺切除术。 为了减少或预防肺切除患者术后肺部并发症，患者能够在不感到疼痛的情况下咳嗽以清除呼吸道分泌物非常重要。 如果没有提供足够的镇痛，这些患者就无法有效地执行此操作。 这会增加并发症、住院时间和患者护理费用。 为了防止这些负面情况并提供最佳镇痛，需要新方法来预测术后疼痛水平。 研究中提出了许多模型来了解会加剧术后严重急性疼痛的危险因素。 该领域的大多数研究都集中在使用统计方法确定术后疼痛的危险因素。 先前的研究表明，当考虑到类似的特征时，机器学习模型在对术后疼痛相关结果进行分类时可以优于线性统计模型。 因此，人工智能（AI）算法是能够组合和分析具有数百个变量的复杂数据并提供新输出的算法，并且可以指导预测和管理术后过程的有效解决方案。 先前的研究显示，使用人工智能算法根据围手术期数据预测疼痛，在预测急性术后疼痛方面取得了可喜的结果，曲线下面积 (AUC) 为 0.70。 然而，需要在特定手术（例如肺切除术）中对此主题进行研究，该手术可能会造成严重疼痛。

本研究旨在通过使用 AI 算法分析肺切除术中的围手术期数据来预测术后疼痛，并确定 AI 算法在这方面的有效性。 因此，旨在减少患者不必要的镇痛药物使用，消除这些药物可能产生的副作用，并对疼痛高危患者及时开始有效的镇痛治疗。

目的/假设：

本研究旨在通过使用 AI 算法分析肺切除术中的围手术期数据来预测术后疼痛，并确定 AI 算法在这方面的有效性。

H0：人工智能算法不能有效预测肺切除术术后疼痛。

H1：人工智能算法可以有效预测肺切除术术后疼痛。

材料-方法：

本研究将根据赫尔辛基宣言进行，并在获得伦理委员会批准后在SBÜ安卡拉阿塔图尔克疗养院培训和研究医院进行。 我们的研究是一项回顾性前瞻性研究。 回顾性收集的患者数据将使用人工智能算法进行前瞻性评估。