Un marco de inteligencia artificial basado en ultrasonido para la predicción de vías respiratorias difíciles: Un...

Área de la Ciencia:

• Anestesiología
• Imágenes Médicas
• Inteligencia Artificial

Sus antecedentes:

• La gestión de las vías respiratorias difíciles presenta importantes desafíos clínicos.
• Los parámetros de ultrasonido y el aprendizaje profundo muestran potencial para la evaluación de las vías respiratorias difíciles.
• Se necesita un marco de IA para la predicción de vías respiratorias difíciles.

Objetivo del estudio:

• Desarrollar y validar internamente un marco de IA basado en ultrasonido para predecir vías respiratorias difíciles.
• Construir una estrategia jerárquica de "dos modelos y tres pasos" para la estratificación del riesgo.
• Evaluar el rendimiento de los modelos de IA en la predicción de vías respiratorias difíciles.

Principales métodos:

• Se estudió una cohorte de 903 pacientes sometidos a anestesia general electiva.
• Se desarrollaron dos modelos de redes neuronales convolucionales, CL-AI y VIDIAC-AI, utilizando imágenes de ultrasonido del cuello.
• Se evaluó el rendimiento del modelo utilizando validación cruzada y un conjunto de prueba independiente.

Principales resultados:

• La laringoscopia difícil ocurrió en el 20,9 % (directa) y el 5,5 % (video) de los pacientes.
• El modelo CL-AI logró un AUC de 0,86 y una precisión de 0,84.
• El modelo VIDIAC-AI logró un AUC de 0,82 y una precisión de 0,81.

Conclusiones:

• Se desarrolló un marco de IA basado en ultrasonido para la estratificación del riesgo de vías respiratorias difíciles.
• El marco "Dos Modelos, Tres Pasos" sirve como una herramienta de apoyo a la decisión clínica.
• Se requiere una validación adicional en cohortes multicéntricas grandes.