Ένα μοντέλο AI θα μπορούσε να βοηθήσει να γίνει η λιποαναρρόφηση ασφαλέστερη

Ένα μοντέλο AI θα μπορούσε να βοηθήσει να γίνει η λιποαναρρόφηση ασφαλέστερη

Ένα πρόσφατα αναπτυγμένο μοντέλο τεχνητής νοημοσύνης (AI) είναι πολύ ακριβές στην πρόβλεψη απώλειας αίματος σε ασθενείς που υποβάλλονται σε λιποαναρρόφηση μεγάλου όγκου, αναφέρει μια μελέτη στο τεύχος Ιανουαρίου τουΠλαστική και Επανορθωτική Χειρουργική®,το επίσημο ιατρικό περιοδικό της American Society of Plastic Surgeons (ASPS). Το περιοδικό δημοσιεύεται στο χαρτοφυλάκιο Lippincott του Wolters Kluwer.

Η ανάπτυξη ενός μοντέλου τεχνητής νοημοσύνης για την πρόβλεψη της απώλειας αίματος κατά τη λιποαναρρόφηση είναι μια «πρωτοποριακή πρόοδος» με τη δυνατότητα βελτίωσης της ασφάλειας των ασθενών και των χειρουργικών αποτελεσμάτων, σύμφωνα με τη νέα μελέτη με επικεφαλής τον Mauricio E. Perez Pachon, MD, της Mayo Clinic, Rochester, Minnesota, και τον Jose T. Santaella, MD Clincuador-Loja, ELoja, E. «Αξιοποιώντας τη δύναμη των προγνωστικών μοντέλων που βασίζονται στην τεχνητή νοημοσύνη, οι χειρουργοί μπορούν να προσαρμόσουν τις διαδικασίες τους στις ατομικές ανάγκες κάθε ασθενή, διασφαλίζοντας βέλτιστα αποτελέσματα και ελαχιστοποιώντας τον κίνδυνο επιπλοκών όπως η υπερβολική απώλεια αίματος, γράφουν οι ερευνητές.

Χρήση τεχνητής νοημοσύνης για την πρόβλεψη απώλειας αίματος κατά τη διάρκεια της λιποαναρρόφησης

Η λιποαναρρόφηση είναι η πιο κοινή επέμβαση αισθητικής χειρουργικής παγκοσμίως και πραγματοποιείται σε περισσότερους από 2,3 εκατομμύρια ασθενείς ετησίως. Αν και η λιποαναρρόφηση είναι γενικά ασφαλής, η υπερβολική απώλεια αίματος είναι μια δυνητικά σοβαρή επιπλοκή, ειδικά όταν αφαιρούνται μεγαλύτερες ποσότητες λίπους. Εργαλεία που βασίζονται στην τεχνητή νοημοσύνη έχουν αναπτυχθεί για την πρόληψη της απώλειας αίματος σε διάφορες ιατρικές ειδικότητες και χειρουργικές επεμβάσεις όπως η χειρουργική της σπονδυλικής στήλης, η ορθοπεδική και η χειρουργική τραύματος.

Ο Δρ Perez Pachon, η Santaella και οι συνεργάτες του χρησιμοποίησαν τεχνολογίες μηχανικής μάθησης για να αναλύσουν δεδομένα από 721 ασθενείς που υποβλήθηκαν σε λιποαναρρόφηση μεγάλου όγκου, με συνολικό όγκο πάνω από 4.000 χιλιοστόλιτρα (τέσσερα λίτρα) λίπους και υγρών που αφαιρέθηκαν. Όλες οι επεμβάσεις πραγματοποιήθηκαν σε δύο κλινικές, μία στην Κολομβία και μία στον Εκουαδόρ, ακολουθώντας πανομοιότυπα πρωτόκολλα λιποαναρρόφησης.

Τα δεδομένα από ένα τυχαίο δείγμα 621 ασθενών χρησιμοποιήθηκαν για την ανάπτυξη ενός μοντέλου για την πρόβλεψη της εκτιμώμενης απώλειας αίματος που ενσωμάτωσε ένα ευρύ φάσμα δημογραφικών, κλινικών και χειρουργικών δεδομένων. Στη συνέχεια, οι ερευνητές δοκίμασαν την απόδοση του μοντέλου τους στην πρόβλεψη του όγκου απώλειας αίματος στους υπόλοιπους 100 ασθενείς.

Με ακρίβεια 94%, το μοντέλο μπορεί να βοηθήσει να γίνει η λιποαναρρόφηση ασφαλέστερη

Τα αποτελέσματα έδειξαν «άριστη συμφωνία» μεταξύ των προβλεπόμενων και των εκτιμώμενων όγκων απώλειας αίματος, με τυπική απόκλιση (διακύμανση γύρω από το μέσο όρο) 26 χιλιοστόλιτρα. Η μέγιστη διαφορά μεταξύ της προβλεπόμενης και της πραγματικής απώλειας αίματος ήταν περίπου 188 ml, ενώ η ελάχιστη διαφορά ήταν μόνο 0,22 ml.

Συνολικά, το εργαλείο AI ήταν 94% ακριβές στην πρόβλεψη της απώλειας αίματος. «Αυτή η ακρίβεια ενισχύει τις δυνατότητες του μοντέλου ως εργαλείου υποστήριξης αποφάσεων στις διαδικασίες διαμόρφωσης περιγράμματος σώματος, όπου η πρόβλεψη της διεγχειρητικής απώλειας αίματος είναι κρίσιμη για την ασφάλεια των ασθενών και τον χειρουργικό σχεδιασμό», γράφουν οι ερευνητές. «Οι [S]χειρουργοί μπορούν να χρησιμοποιήσουν τις εκτιμήσεις της προβλεπόμενης απώλειας αίματος για να λάβουν τεκμηριωμένες αποφάσεις σχετικά με την περιεγχειρητική διαχείριση, όπως η ανάγκη για μεταγγίσεις αίματος, διαχείριση υγρών και άλλα μέτρα εντατικής θεραπείας».

«Αυτή η προληπτική προσέγγιση μπορεί να μειώσει σημαντικά την εμφάνιση ανεπιθύμητων συμβάντων, να συντομεύσει τους χρόνους ανάρρωσης και να συμβάλει στην καλύτερη εκπαίδευση των ασθενών και εκπαιδευτικές διαδικασίες», δήλωσε ο Δρ Perez Pachon και η Santaella.

Οι ερευνητές σχεδιάζουν περαιτέρω μελέτες για να βελτιώσουν το μοντέλο τεχνητής νοημοσύνης τους, συμπεριλαμβανομένης της περαιτέρω εκπαίδευσης χρησιμοποιώντας δεδομένα από χειρουργούς σε όλο τον κόσμο. Ο Δρ Perez Pachon σχολιάζει: «Πιστεύουμε ότι η μελλοντική έρευνα στην τεχνολογία AI έχει απεριόριστες δυνατότητες βελτίωσης της ασφάλειας των ασθενών και προσβλέπουμε σε περαιτέρω ανάπτυξη σε αυτόν τον τομέα».

Πηγές: