Voorspellen van cerebrale blood flow en hersenperfusie aan de hand van op polsgolven toegepaste machine learning

Intraoperatieve hypotensie, zelfs in korte perioden, wordt in verband gebracht
met een verhoogde mortaliteit, het optreden van postoperatief nierfalen,
myocardletsel en de opnameduur. Ook is de incidentie van ischemische beroerte
enigszins verhoogd. Er wordt verondersteld dat wanneer de intraoperatieve
bloeddruk daalt, de cerebrale autoregulatie (CA), waarvan bekend is dat deze de
cerebrale bloedstroom stabiel houdt tijdens bloeddrukfluctuaties, verstoord
raakt en dat de hersenperfusie in gevaar komt. Real-time beoordeling van
cerebrale autoregulatie vereist uitgebreide, gespecialiseerde monitoring en
gecompliceerde gegevensverwerking, en wordt niet routinematig uitgevoerd.
Daarom streven anesthesiologen er in de dagelijkse praktijk naar om de
gemiddelde bloeddruk boven ongeveer 60 tot 65 mmHg te houden, aangezien studies
beweren dat de ondergrens van CA zich rond dit bloeddrukniveau bevindt. Het
wordt echter steeds duidelijker dat er een grote interindividuele variatie is
in de ondergrens van CA, waardoor we het het risico op intraoperatieve
cerebrale hypoperfusie onderschatten. In deze studie willen we de slag-op-slag
slagaderlijke bloeddrukcurve, cerebrale bloedstroomsnelheid en cerebrale
weefseloxygenatie verzamelen om te proberen de cerebrale perfusie te
voorspellen uit de arteriële pulsgolf.

Het primaire doel van deze studie is het verzamelen van gegevens van continue
niet-invasieve arteriële drukgolfvormsignalen met de ClearSight (CS)
vingermanchet, continue invasieve arteriële drukgolfvormsignalen wanneer een
arteriële canule al beschikbaar is vanwege standaardzorg, continue
niet-invasieve cerebrale oximetriesignalen, cerebrale stroomsnelheid met behulp
van transcraniële Doppler (TCD) echografie en klinische gegevens van het
elektronisch medisch dossier (EMR) van patiënten bij chirurgische patiënten.
Deze gegevens zullen dienen als basis om te proberen cerebrale perfusie tijdens
chirurgie te voorspellen met behulp van hemodynamische parameters, alleen door
middel van machine learning.
De verzamelde digitale drukgolfvormgegevens zullen worden gebruikt om de
haalbaarheid, het leren en bouwen van een initieel ML-model te beoordelen met
behulp van het CS / EV1000 / HemoSphere en om dit intern te valideren.

Dit is een niet-gerandomiseerde prospectieve observationele
dataverzamelingsstudie. We zullen beginnen met het monitoren van slag-op-slag
systemische en cerebrale hemodynamische parameters (niet-invasieve
vingerbloeddruk (fotoplethysmografie), niet-invasieve midden cerebrale arterie
bloedstroomsnelheid (transcraniële Doppler) en niet-invasieve cerebrale
weefseloxygenatie (nabij infra- rode spectroscopie) tot ten minste 30 minuten
vóór het begin van de operatie tot het einde van de procedure.
We streven ernaar om 100 patiënten op te nemen voor cardiale en niet-cardiale
chirurgie.

Er zijn geen extra risico's of voordelen verbonden aan deelname. Er zijn geen
onderzoeksapparatuur gebruikt in deze studie. Er zijn geen extra risico's
verbonden aan het gebruik van de CS / EV1000 / HemoSphere-monitor anders dan
beschreven in de gebruiksaanwijzing. Er zijn ook geen risico's verbonden aan de
onderzoeksprocedures. De anesthesieregimes zijn gebaseerd op wat momenteel in
de dagelijkse praktijk wordt gebruikt en gerapporteerd in de literatuur.
Patiënten krijgen standaard anesthesie op basis van de dagelijkse praktijk en
gevestigde farmacodynamische modellen waarvan is aangetoond dat ze zowel veilig
als effectief zijn.