La respiración está respirando y la respiración es la vida. Si inhalamos, vivimos. Pero cuando esta función vital falla, por trauma, infección, inflamación pulmonar pesada o daño neurológico, el cuerpo deja de recibir el oxígeno necesario y eliminando el dióxido de carbono. En estos casos, conectar al paciente a un ventilador mecánico que entrega oxígeno y elimina el dióxido de carbono a través del tubo no es una opción: es necesario mantenerlo vivo.
Es irónico, fuera del proceso intubary, uno de los grandes desafíos médicos es retirar estos dispositivos en el momento adecuado para que el proceso de inhalación y exhalidades vuelva a su curso natural.
Se dice que es simple, pero en la práctica hay fallas en esa predicción. De hecho, se estima que el 20% de los pacientes expandidos deben ser desviados, lo que aumenta el riesgo de ruta respiratoria y la introducción de microorganismos probablemente generará infecciones.
Quitar o no tirar del tubo, aquí está el dilema
Decidir si el tubo no es una cuestión de estar en todo el mundo. Se deben tener en cuenta varios factores, como la capacidad de toser adecuadamente, necesarias para limpiar las secreciones respiratorias (medición objetiva de tos) o la función correcta del diafragma, lo que le permite respirar un pozo en el aire (velocidad de velocidad diafragmática).
En resumen, cada paciente conectado al ventilador debe cumplir con condiciones especiales. Debe ver su oxigenación, cumplir con cuánto puede movilizarse su almohada respiratoria y mirar el estado de su metabolismo para que no haya cambios que debiliten los músculos. Cuando el soporte del ventilador ya está disminuyendo y el paciente está mejorando en todos estos aspectos, es hora de hacer una prueba de respiración espontánea, excluyendo el ventilador. Si esa prueba pasa, se ha eliminado la tubería.
El problema es que en muchas ocasiones, mucha información puede ser irresistible y conducir a una retirada fallida. Por lo tanto, varios investigadores desarrollaron un modelo de inteligencia artificial que asistió a médicos en estos procedimientos. En el estudio, analizamos la capacidad predictiva de cinco métodos, dos que no son supervisados y tres monitoreados. Veremos más tarde qué diferenciaremos.
Modelos de IA investigados
Utilizando datos obtenidos de la prueba de respiración espontánea, la medición objetiva de la tos y la contracción diafragmable, podríamos determinar la eficiencia en la predicción de estos modelos. Para hacer esto, hemos llegado a 367 pacientes de cuatro unidades de cuidados intensivos en Bogotá (Colombia).
En modelos no supervisados, se utilizan datos de todos los pacientes, así como aquellos que tienen éxito en la extrusión y los que fallaron. Sin embargo, esta información de resultados no se da al sistema. Después de eso, el software requiere que en sí mismo identifique características que podrían predecir si el proceso de extrusión tendrá éxito o fallará.
Este primer enfoque se realiza para identificar un patrón desconocido. Sin embargo, la precisión del diagnóstico fue mayor cuando el sistema de inteligencia artificial se supervisó, es decir, cuando se dijo cuando se ha dicho que la máquina ha experimentado un proceso exitoso y no. En particular, había un árbol de decisión que ofrecía un mejor rendimiento, seguido de redes neuronales.
Los árboles de negociación son un sistema de aprendizaje automático en el que la computadora, a través de múltiples pruebas, muy rápidamente y de problemas cerrados consisten en respuestas positivas o negativas, asigna gradualmente cualquier valor de reacción, hasta que alcanza el valor a una predicción extrema. Sus piezas, las redes neuronales procesan datos, aprenden patrones complejos y características asociadas que permiten obtener una mayor capacidad de predicción.
Para que este proceso se realice, era necesario separar al azar el grupo de pacientes en dos, con el cual se entrenó el modelo y el otro donde se realizó la confirmación. Por lo tanto, obtuvimos una predicción exacta de una excubación exitosa del 95%; Es decir, se reduce la posibilidad del 20% del 5%.
Por ahora, este trabajo debe complementarse con el desarrollo de una aplicación que permite la confirmación de predictores desarrollados en otros grupos de pacientes. Si esta validación muestra resultados similares en los que se encuentra en nuestra investigación, esta aplicación ayudará a decidir en las unidades de cuidados intensivos cuando elimine con éxito la tubería para tomar a los pacientes nuevamente, respirar y vivir.
.webp)
0 Comentarios