LegközelebbKövetkező útmutató
AI az elektromos járművek töltésében és a jármű-hálózat integrációjában
Iparágak
Iparági ÚTMUTATÓ
Az AI anesztéziában azt jelenti, hogy algoritmusokat használnak a műtéttermi monitorozási adatokon, hogy előre jelezzék a problémákat, mint például az alacsony vérnyomás, mielőtt bekövetkeznének, automatikusan beállítsák a gyógyszer- vagy folyadékadagolást, és segítenek irányítani a beavatkozásokat, mint például idegblokádokat.
Hallgassa meg ezt az útmutatótAI-narrált · ~3 min
Ez fontos, mert az aneszteziológusok egyszerre sok gyorsan változó jelet követnek, és még a műtét során előforduló rövid alacsony vérnyomás időszakok is összefüggésbe hozhatók a vesék és a szív sérülésével. Ezek az eszközök a klinikusokat támogatják, nem helyettesítik őket.
Anesthesiologists watch a stream of numbers during surgery: blood pressure, heart rate, oxygen saturation, exhaled gases, and often a processed brain signal such as the bispectral index (BIS). AI is being applied in three main areas: predicting problems, automating drug delivery, and assisting procedures. The best-known prediction tool is the Hypotension Prediction Index (HPI) from Edwards Lifesciences, which received FDA marketing authorisation in 2018. It analyses the shape of the arterial pressure waveform and gives a score from 0 to 100 estimating the chance that mean arterial pressure will drop below 65 mmHg within the next few minutes. Low blood pressure during surgery is associated with acute kidney injury and heart damage, so earlier warning could let clinicians give fluids or vasopressors sooner. A small randomised trial, HYPE, published in JAMA in 2020, found patients spent less time hypotensive when HPI guided care. Later analyses questioned how much HPI adds beyond closely watching current blood pressure, and larger studies have given mixed results, so benefit on patient outcomes is not settled. Closed-loop systems go further and adjust infusions automatically. Research systems have titrated propofol against BIS readings, and closed-loop fluid and vasopressor systems are being studied. The commercial Sedasys system, approved in the US in 2013 for propofol sedation during endoscopy, was withdrawn by its maker in 2016 after weak sales, a reminder that regulatory approval does not guarantee adoption. AI also assists regional anesthesia. Ultrasound software such as ScanNav highlights nerves and surrounding structures on the image to help clinicians identify anatomy. The main misconception is that these systems run anesthesia by themselves. They are decision support or narrow controllers, and a qualified clinician stays responsible and must be ready to override them at any moment.
Egy hosszú hasüregi műtét során a Hypotension Prediction Index pontszáma magas érték felé emelkedik, ami arra ösztönzi az anesztészt, hogy ellenőrizze a folyadékállapotot és előkészítse a vasopresszort, mielőtt a vérnyomás csökkenne.
Kutatási környezetben egy zárt hurkú szabályozó a propofol infúziót állítja be úgy, hogy a beteg biszkuit indexe a cél tartományban maradjon, miközben az aneszteziológus felügyeli és felülbírálhatja azt.
Egy aneszteziológus, amikor idegszablont helyez el, ultrahang szoftvert használ, amely a képernyőn kiemeli az idegeket, artériákat és izomrétegeket, hogy megerősítse, amit lát.
Egy kórház átnézi a nyilvántartásait, és észreveszi, hogy a klinikusok a növekvő előrejelzési pontszámokra reagálnak, még akkor is, ha a jelenlegi nyomás rendben tűnik, ami egy megbeszélést vált ki a riasztási fáradtságról és a túltáplálásról.
A kórházak egyre több nagy felbontású intraoperatív adatot gyűjtenek, ami segítheti a predikciós modellek képzését és tesztelését különböző betegeken. A fő nyitott kérdés, hogy a predikciók és a zárt hurkú rendszerek javítják-e a kimeneteleket, mint például a vesekárosodás, szívkomplikációk és a felépülési idő, nem csak a monitorozási számokat, és ehhez nagy randomizált vizsgálatokra van szükség. A szabályozók és a szakmai társaságok valószínűleg továbbra is emberi felügyeletet fognak követelni az automatizált gyógyszeradagolásnál. Az elfogadás attól is függ, hogy a eszközöket be tudják-e integrálni a meglévő monitorokba, kezelni tudják-e a riasztási fáradtságot, valamint a költség- és felelősségkérdések, amikor a klinikusok követik vagy figyelmen kívül hagyják az algoritmus tanácsát.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Az AI az anestesziában azt jelenti, hogy algoritmusokat használnak a műtéttermi monitorozási adatokon, hogy előre jelezzék olyan problémákat, mint a alacsony vérnyomás, mielőtt bekövetkeznének, automatikusan beállítsák a gyógyszer- vagy folyadékadagolást, és segítik a procedúrák, például idegblokkok végrehajtását. Fontos, mert az anesteszteket sok gyorsan változó jelet kell egyszerre nyomon követniük, és még rövid alacsony vérnyomásos időszakok a műtét során összefüggésbe hozhatók vese- és szívkárosodással. Ezek az eszközök a klinikusokat támogatják, nem helyettesítik őket.
Az HPI 0 és 100 közötti pontszámot ad a hipotenzió valószínűségére, amelyet MAP 65 mmHg alatti értéknek definiálnak, néhány percen belül.
A magas hűségű artériás nyomás hullámformából származó jellemzőket nyeri ki.
A kis véletlenül kiosztott vizsgálat csökkentett hipotenziós időt mutatott, bár a kimeneti előny még nem tisztázott.
Mivel a pontszám szorosan követi a jelenlegi MAP-ot, néhány elemző szerint kevesebbet tesz hozzá, mint amennyi látszik, a nyomás alapos figyelése mellett.
A vezérlők a propofolt úgy állítják be, hogy a BIS, egy feldolgozott agyi jelet, egy cél tartományban tartsák.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
AI az elektromos járművek töltésében és a jármű-hálózat integrációjában
Iparágak