Individanpassad skyddande ventilation av intensivvårdspatienter med hjälp av en digital tvilling

Syfte och mål

Målet med detta projekt är att förse intensivvårdsläkare med verktyg för att säkerställa att mekanisk ventilation inte skadar patientens lungor och diafragma genom att utveckla en fysiologisk modell av andningsorganen som kan anpassas till den enskilda patienten, en digital tvilling. Systemet kommer att utvecklas med hjälp av nya AI-tekniker inom maskininlärning baserad på data från en unik Getinge-lösning som mäter den elektriska aktiveringen av diafragman.

Förväntade effekter och resultat

Mekanisk ventilation ges till mer än 20 miljoner patienter över hela världen varje år. För att säkerställa att behandlingen är säker och effektiv så finns det behov av att noggrant övervaka diafragman och lungtryck hos den enskilda patienten. I det här projektet kommer vi att använda en digital tvilling för att erbjuda individanpassad vård. En ny hybrid av fysiologisk- och maskininlärningsmodell kommer att utvecklas för noggrann estimering av kliniskt relevanta tryck med utvärdering mot patientdata.

Planerat upplägg och genomförande

Projektet har två partners, en industriell, Getinge och en akademisk, KTH. Getinge förser projektet med klinisk kunskap, patientdata, utför förbehandling av data och sätter upp en modell av den fysiologiska lungmodellen. KTH ansvarar för maskininlärningsmodell konstruktion, träning och validering. KTH kommer också att överföra kunskap, kompetens och förståelse för maskininlärning till Getinge.