Interesse dell'intelligenza artificiale in anestesia-rianimazione

EMC - Anestesia-Rianimazione Pub Date : 2026-05-01 Epub Date: 2026-04-20 DOI:10.1016/S1283-0771(26)51713-4
P. Ariès , F. Belot , N. Py , P. Humbert , C. Dubost
{"title":"Interesse dell'intelligenza artificiale in anestesia-rianimazione","authors":"P. Ariès ,&nbsp;F. Belot ,&nbsp;N. Py ,&nbsp;P. Humbert ,&nbsp;C. Dubost","doi":"10.1016/S1283-0771(26)51713-4","DOIUrl":null,"url":null,"abstract":"<div><div>L'anestesia-rianimazione rappresenta un campo di applicazione esponenziale dell'intelligenza artificiale (IA), tenuto conto della colossale quantità di dati che produciamo e del grande interesse che abbiamo a sfruttarli. Gli strumenti che utilizzano i metodi di apprendimento automatico supervisionato sono i più numerosi e hanno come obiettivo quello di migliorare le nostre capacità di previsione rispetto ai punteggi descritti finora; tuttavia, attualmente non sono valutati in modo sufficientemente rigoroso. I metodi detti «non supervisionati» e «per rinforzo» sono utilizzati rispettivamente per l'analisi fenotipica di pazienti nell'ambito della ricerca e per il supporto decisionale nella pratica clinica. Quest'ultima applicazione è attualmente la più attesa in anestesia-rianimazione, in quanto potrebbe permettere di migliorare la qualità delle cure e persino di automatizzare alcuni compiti. Anche in questo caso, troppo pochi algoritmi proposti sono stati valutati in studi randomizzati e l'impatto del loro utilizzo sugli esiti dei pazienti di anestesia-rianimazione rimane quindi in gran parte da dimostrare. Questa mancanza di evidenze spiega probabilmente in gran parte lo scarso utilizzo degli strumenti di IA nella pratica corrente. Parallelamente alla ricerca clinica, la governance etica dell'IA nel settore sanitario francese sta prendendo forma attraverso una complessa interazione di normative nazionali ed europee e di linee guida etiche. La partecipazione degli anestesisti-rianimatori allo sviluppo dell'IA è ancora molto bassa. Tuttavia, esistono delle soluzioni per permettere loro di essere coinvolti. Tra queste, sembrano essenziali la formazione e la creazione di equipe multidisciplinari che riuniscano competenze cliniche e matematiche.</div></div>","PeriodicalId":100410,"journal":{"name":"EMC - Anestesia-Rianimazione","volume":"31 2","pages":"Pages 1-7"},"PeriodicalIF":0.0000,"publicationDate":"2026-05-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"EMC - Anestesia-Rianimazione","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S1283077126517134","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"2026/4/20 0:00:00","PubModel":"Epub","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

L'anestesia-rianimazione rappresenta un campo di applicazione esponenziale dell'intelligenza artificiale (IA), tenuto conto della colossale quantità di dati che produciamo e del grande interesse che abbiamo a sfruttarli. Gli strumenti che utilizzano i metodi di apprendimento automatico supervisionato sono i più numerosi e hanno come obiettivo quello di migliorare le nostre capacità di previsione rispetto ai punteggi descritti finora; tuttavia, attualmente non sono valutati in modo sufficientemente rigoroso. I metodi detti «non supervisionati» e «per rinforzo» sono utilizzati rispettivamente per l'analisi fenotipica di pazienti nell'ambito della ricerca e per il supporto decisionale nella pratica clinica. Quest'ultima applicazione è attualmente la più attesa in anestesia-rianimazione, in quanto potrebbe permettere di migliorare la qualità delle cure e persino di automatizzare alcuni compiti. Anche in questo caso, troppo pochi algoritmi proposti sono stati valutati in studi randomizzati e l'impatto del loro utilizzo sugli esiti dei pazienti di anestesia-rianimazione rimane quindi in gran parte da dimostrare. Questa mancanza di evidenze spiega probabilmente in gran parte lo scarso utilizzo degli strumenti di IA nella pratica corrente. Parallelamente alla ricerca clinica, la governance etica dell'IA nel settore sanitario francese sta prendendo forma attraverso una complessa interazione di normative nazionali ed europee e di linee guida etiche. La partecipazione degli anestesisti-rianimatori allo sviluppo dell'IA è ancora molto bassa. Tuttavia, esistono delle soluzioni per permettere loro di essere coinvolti. Tra queste, sembrano essenziali la formazione e la creazione di equipe multidisciplinari che riuniscano competenze cliniche e matematiche.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
人工智能对麻醉和复苏的兴趣
考虑到我们生成的大量数据以及我们对使用这些数据的巨大兴趣,人工智能(人工智能)是一个指数级的应用领域。使用受监督的自动学习方法的工具是最多的,其目的是提高我们的预测能力,而不是以前所述的分数;然而,目前对它们的评价不够严格。所谓的“非监督”和“强化”方法分别用于研究中的表型患者分析和临床实践中的决策支持。后一种应用目前是麻醉师最受欢迎的应用,因为它可以提高护理质量,甚至使某些任务自动化。同样,在随机研究中评估的算法太少,使用这些算法对麻醉师复苏患者结果的影响在很大程度上仍有待证明。这种缺乏证据可能在很大程度上解释了在当前实践中人工智能工具使用不足的原因。在临床研究的同时,法国卫生部门的人工智能伦理治理正在通过国家和欧洲法规以及伦理准则的复杂相互作用而形成。anestesisti-rianimatori基建发展的参与仍然很低。然而,有办法让他们参与进来。在这些领域中,培训和建立结合临床和数学技能的多学科小组似乎是必不可少的。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Blocco paravertebrale (toracico) Indagini perioperatorie dell'emostasi Alterazioni intraoperatorie della funzionalità respiratoria Insufficienza cardiaca: gestione perioperatoria Questioni etiche in rianimazione dell'adulto
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1