Штучний інтелект у реанімації: огляд сфери застосування

Зупинка серця є однією з найнебезпечніших і невідкладних станів у клінічній практиці. Своєчасне розпізнавання, ефективна серцево-легенева реанімація (СЛР) та якісна постреанімаційна допомога можуть суттєво підвищити шанси на виживання. Однак навіть за наявності сучасних клінічних алгоритмів результати залишаються незадовільними. У цьому контексті інтерес до застосування штучного інтелекту (ШІ) у реанімації постійно зростає. Машинне та глибоке навчання, а також моделі великої мови відкривають нові горизонти для вдосконалення діагностики, прийняття рішень, автоматичного моніторингу та прогнозування результатів при зупинці серця.

Мета та методи огляду

Цей огляд спрямований на аналіз наявних досліджень, присвячених застосуванню ШІ у сфері серцево-легеневої реанімації, з метою окреслення обсягу робіт, що вже проведені, та виявлення напрямів, які потребують подальшого вивчення. Аналіз здійснено відповідно до принципів PRISMA-ScR та рекомендацій міжнародних експертів у галузі реанімації. Було здійснено систематичний пошук публікацій у провідних базах даних, з урахуванням досліджень, опублікованих до 31 грудня 2024 року. У дослідження включались як клінічні, так і доклінічні роботи, за участі людей і тварин.

Критерії включення

 Для аналізу використовувалася структура PICOST:

• Популяція: дорослі пацієнти з позалікарняною або госпітальною зупинкою серця, а також тваринні моделі;
• Втручання: будь-яке застосування ШІ в реанімаційній практиці;
• Порівняння: сучасна практика СЛР;
• Результати: ефективність ШІ у прогнозуванні, розпізнаванні, допомозі у прийнятті рішень, проведенні СЛР або постреанімаційній підтримці;
• Дизайн: рандомізовані й нерандомізовані дослідження, обсерваційні дані, моделі, серії випадків із достатньою вибіркою;
• Час: дослідження, опубліковані до кінця 2024 року.

ШІ визначався у широкому контексті — від автоматизованої логістичної регресії до складних моделей глибокого навчання.

Основні результати

З 4046 опрацьованих записів до фінального аналізу включено 197 досліджень.

Аналіз досліджень

Із 197 робіт:

• 95 були зосереджені на позалікарняній зупинці серця;
• 60 — на госпітальній;
• 21 — охоплювали обидві категорії;
• 9 — досліджували раптову серцеву смерть;
• 7 — стосувалися навчання СЛР;
• 12 — оцінювали якість ручної СЛР;
• 4 — розглядали екстракорпоральну реанімацію;
• 1 — тваринну модель.

Застосування ШІ варіювалося від:

• прогнозування повернення спонтанного кровообігу;
• оцінки неврологічних наслідків;
• зворотного зв’язку з якістю СЛР;
• класифікації ритмів;
• підтримки прийняття догоспітальних рішень;
• стратифікації ризику.

Методи ШІ та ефективність

Переважаючим підходом було машинне навчання. У 50% досліджень саме ці методи застосовувалися для розв’язання клінічних задач. Глибоке навчання було менш поширеним, однак виявляло високу прогностичну ефективність, особливо при аналізі електрокардіограм та відеопотоків. Значення AUROC (область під кривою характеристики справжньої позитивності) часто перевищували 0,85, свідчачи про високу точність. Проте зовнішня валідація результатів проводилася рідко, і лише обмежена кількість моделей була перевірена в умовах реального клінічного середовища.

Перегляньте записи:

Географія та контекст досліджень

Найбільше досліджень було проведено в країнах з високим рівнем доходу, що вказує на нерівномірний доступ до технологій та ресурсів для розробки ШІ. У країнах з обмеженими ресурсами дослідження були поодинокими. Це свідчить про потребу у глобальному партнерстві для забезпечення рівних можливостей у застосуванні ШІ у клінічній практиці.

Поточні прогалини та напрямки розвитку

Попри значну кількість досліджень, спостерігається велика розпорошеність тематики. Більшість досліджень орієнтовані на вузькі сценарії або конкретні моделі, що ускладнює порівняння результатів та інтеграцію рішень. Крім того:

• бракує рандомізованих контрольованих досліджень;
• недостатньо зовнішньої валідації моделей;
• слабо розвинене використання ШІ в догоспітальному середовищі;
• не розроблені інтероперабельні системи, що поєднують ШІ та клінічну практику.

Висновки

Штучний інтелект відкриває широкі можливості для вдосконалення догляду при зупинці серця: від раннього попередження до індивідуалізованої постреанімаційної підтримки. Проте більшість сучасних застосувань залишаються на рівні прототипів або ретроспективного аналізу. Майбутнє використання ШІ у реанімації потребує мультидисциплінарного підходу, стандартизації методологій, прозорої звітності та етичного обґрунтування. Розвиток цієї галузі може значно підвищити виживаність та якість життя пацієнтів після зупинки серця.

ДЖЕРЕЛО: Resuscitation Plus

На платформі Accemedin багато цікавого! Аби не пропустити — підписуйтесь на наші сторінки! Facebook. Telegram. Viber. Instagram.