通过使用M模式或人工智能进行的下肋下部和跨肝部成像的下腔静脉延伸性:对机械通风患者的前性研究

科学领域:

• 临界护理医学 临界护理医学
• 心血管成像 - 心血管成像
• 医疗人工智能 医疗人工智能

背景情况:

• 下腔静脉 (IVC) 变异预测流体响应,但可视化并不总是通过标准的肋下静脉 (SC) 方法实现的.
• 跨肝 (TH) 冠状窗口提供了一个替代方案,但与SC测量的可互换性需要验证.
• 使用人工智能 (AI) 的自动边界检测可能会提高临床效用,但需要严格的验证.

研究的目的:

• 为了验证SC和TH成像窗口之间的IVC延伸度 (IVC-DI) 测量的可互换性.
• 与M模式相比,评估AI软件在IVC-DI测量中的准确性和精度.
• 在不同的成像窗口中使用M模式和AI软件评估IVC-DI测量.

主要方法:

• 潜在的观察验证研究涉及机械通风患者在压力控制模式.
• 主要结局:通过SC和TH窗口使用M-Mode和AI软件测量IVC延伸性 (IVC-DI).
• 统计分析包括平均偏差,协议极限 (LoA) 和类内相关系数 (ICC).

主要成果:

• 对SC的可行性率为87.9%,对TH的可行性率为81.8%.
• 人工智能与M模式:SC显示平均偏差为-3.1% (ICC=0.65),TH显示平均偏差为-2.0% (ICC=0.65).
• SC与TH:M模式显示平均偏差为1.1% (ICC=0.54),AI显示平均偏差为2.0% (ICC=0.32),AI具有广泛的LoA.

结论:

• 人工智能软件在机械通风患者的IVC-DI评估中表现出良好的准确性,但准确度低于最佳 (广泛的LoA),与M模式相比.
• 人工智能和M模式测量显示,在SC和TH窗口之间IVC-DI的相关性适度.
• SC和TH窗口之间的可互换性产生较弱的相关性,特别是与AI软件.