Меню
Набор скоро начнётся NCT07536230

Deep Learning Framework for Continuous Depth of Anesthesia Forecasting

— Наблюдательное BIS BIS-EEG Artifical Intelligence Intraoperative

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
Это наблюдательное исследование: исследуемое лечение участникам по протоколу не назначают.
Кому может быть актуально
Состояния в реестре: BIS, BIS-EEG, Artifical Intelligence, Intraoperative. Базовые параметры: Без ограничений · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Бельгия
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

Validation of a Deep Learning Framework for Continuous Forecasting of Pharmacodynamic Responses and Physiological Trajectories During General Anesthesia

Обзор

The integration of Artificial Intelligence (AI) in anesthesiology offers the potential to shift patient monitoring from reactive to predictive. Deep learning architectures, specifically Long Short-Term Memory (LSTM) networks, excel at processing complex, time-series data to forecast future clinical states. While standard PK/PD models (such as the state of the art Eleveld model for Propofol and Remifentanil) estimate target-site drug concentrations (Ce), they do not account for real-time, patient-specific dynamic responses. This study aims to deploy an AI framework designed to predict future physiological states.

Первичные конечные точки

  • Calibration error of the predictive uncertainty cone [Срок оценки: Continuous - Perioperative]
  • Mean Absolute Error (MAE) [Срок оценки: Continuous - perioperative]
  • Trend accuracy [Срок оценки: Continuous - perioperative]
Вторичные конечные точки (1)
  • Root Mean Square Error (RMSE) [Срок оценки: Continuous - perioperative]

Критерии участия

Критерии включения

  • Patients scheduled for elective surgery requiring general anesthesia.
  • Procedures requiring continuous depth of anesthesia monitoring (BIS).

Критерии исключения

\- Procedures where the primary anesthetic plan does not involve continuous electronic data capture.

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Да

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

Бельгия · 1 центр
  • AZ Sint-Jan AV — Bruges

Идентификаторы

NCT: NCT07536230 · AIBIS

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗