在腹部瘤手术期间人工智能辅助流体管理中的实施和学习曲线:一项回顾性观察性研究

科学领域:

• 麻醉学 麻醉学
• 人工智能在医学中的应用
• 手术瘤学手术瘤学

背景情况:

• 在主要的腹部瘤手术中,手术内流体管理是复杂的,并且取决于操作人员.
• 辅助流体管理 (AFM) 是一种使用实时冲击体积 (SV) 分析的AI决策支持系统.
• 在临床实践中,关于AFM采用和临床医生互动演变的数据有限.

研究的目的:

• 评估基于AI的辅助流体管理 (AFM) 系统在主要腹部瘤手术中的采用和学习曲线.
• 评估临床医生流体管理行为的变化以及随着时间的推移流体挑战的生理有效性.
• 为了确定AFM集成对中风体积 (SV) 响应的影响.

主要方法:

• 使用前性维护的机构数据库进行回顾性观察研究.
• 包括接受重大腹部瘤手术的成年患者,以及手术内AFM监测.
• 对AFM实施后的两个时间段进行了比较,分析了液体挑战启动,血动力学有效性 (SV反应) 和玻尿酸特性.

主要成果:

• 在59名患者中分析了404个流体挑战.
• 随着时间的推移,临床医生发起的球体显著减少和AFM建议的液体挑战增加 (p < 0.001).
• 随着时间的推移,AFM建议的螺栓显示出更好的有效性和 ΔSV (p < 0.05),表明学习曲线效应.

结论:

• 逐渐将AFM纳入麻醉实践与行为变化和改善流体管理的生理有效性有关.
• 基于AI的决策支持系统可以提高流体管理中的一致性和生理向性.
• 这些发现支持进一步的前性研究,研究AFM对临床结果的影响.