2026; 9(2): 37-41

DOI: 10.32114/CCI.2026.9.2.37.41
Published online: 2026-06-30 (first online 2026-05-25)

Patient microcirculation in trauma anesthesia: artificial intelligence as the missing translational link?

Fredrik Granholm [1,2] .

[1] Department of Anesthesia and Intensive Care, Sundsvall County Hospital, Sweden
[2] Blizard Institute, Queen Mary University of London, United Kingdom

    Abstract:

Abstract [EN]   - Traumatic hemorrhage is a major cause of preventable death, where a critical challenge remains the dissociation between systemic hemodynamics and microcirculatory function. While macrocirculatory variables may be normalized during resuscitation, this does not necessarily ensure adequate tissue perfusion, leading to "hemodynamic coherence" loss and subsequent organ failure. Handheld vital microscopy (HVM) allows for bedside visualization of microcirculation, but clinical adoption is hindered by technical complexities in image acquisition and the time-consuming nature of manual analysis. Artificial intelligence (AI) is proposed as the missing translational link to make this monitoring clinically actionable. AI-based systems can enable automated video quality assessment and quantification of perfusion indices, reducing interobserver variability. Furthermore, AI could integrate microcirculatory data with macrocirculatory and biochemical streams to support individualized decisions regarding fluid and vasopressor therapy. However, several limitations persist. AI cannot compensate for poor primary data acquisition, and the clinical impact of microcirculatoryguided interventions remains unproven in interventional studies. Additionally, the integration of AI raises concerns regarding system robustness and cybersecurity. In conclusion, while AI-augmented monitoring is a promising step toward precise trauma resuscitation, it is not yet practice-changing and requires further validation through outcome-driven research.

Streszczenie [PL]   - Krwotok pourazowy jest główną przyczyną zgonów, którym można zapobiec, a kluczowym wyzwaniem pozostaje rozróżnienie między hemodynamiką systemową a funkcją mikrokrążenia. Chociaż zmienne makrokrążeniowe mogą ulec normalizacji podczas resuscytacji, nie zawsze zapewnia to odpowiednią perfuzję tkanek, co prowadzi do utraty „spójności hemodynamicznej” i późniejszej niewydolności narządów. Przenośna mikroskopia życiowa (HVM) umożliwia wizualizację mikrokrążenia przy łóżku pacjenta, ale jej kliniczne zastosowanie jest utrudnione ze względu na złożoność techniczną akwizycji obrazu i czasochłonność analizy manualnej. Sztuczna inteligencja (AI) jest proponowana jako brakujące ogniwo translacyjne, które umożliwiłoby kliniczne wdrożenie tego monitorowania. Systemy oparte na AI umożliwiają automatyczną ocenę jakości obrazu i kwantyfikację wskaźników perfuzji, zmniejszając zmienność międzyobserwatorową. Co więcej, AI może integrować dane mikrokrążenia z przepływami makrokrążenia i biochemii, aby wspierać indywidualne decyzje dotyczące terapii płynami i wazopresorami. Nadal jednak istnieją pewne ograniczenia. Sztuczna inteligencja nie jest w stanie zrekompensować słabego pozyskiwania danych pierwotnych, a kliniczny wpływ interwencji wspomaganych mikrokrążeniem pozostaje niepotwierdzony w badaniach interwencyjnych. Ponadto, integracja sztucznej inteligencji budzi obawy dotyczące stabilności systemu i cyberbezpieczeństwa. Podsumowując, chociaż monitorowanie wspomagane sztuczną inteligencją jest obiecującym krokiem w kierunku precyzyjnej resuscytacji pourazowej, nie zmienia ono jeszcze praktyki i wymaga dalszej walidacji poprzez badania ukierunkowane na wyniki.

    Citation:

VANCOUVER FORMAT

Granholm F. Patient microcirculation in trauma anesthesia: artificial intelligence as the missing translational link? Crit Care Innov. 2026; 9(2): 37-41.
DOI: 10.32114/CCI.2026.9.2.37.41

    Download article (PDF file): click here

    Read article:

    Additional materials:

No files

    References:

[1]	Eastridge BJ, Holcomb JB, Shackelford S. Outcomes of traumatic hemorrhagic shock and the epidemiology of preventable death from injury. Transfusion. 2019; 59(S2): 1423–1428. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[2]	Hutchings SD, Naumann DN, Hopkins P, Mellis C, Riozzi P, Sartini S, et al. Microcirculatory impairment is associated with multiple organ dysfunction following traumatic hemorrhagic shock: the MICROSHOCK study. Crit Care Med. 2018; 46(9): e889-e896 | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[3]	Tachon G, Harrois A, Tanaka S, Kato H, Huet O, Pottecher J, et al. Microcirculatory alterations in traumatic hemorrhagic shock. Crit Care Med. 2014; 42(6): 1433–1441. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[4]	Johansson PI, Stensballe J, Ostrowski SR. Shock induced endotheliopathy (SHINE) in acute critical illness - a unifying pathophysiologic mechanism. Crit Care. 2017; 21(1): 25. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[5]	Ince C, Boerma EC, Cecconi M, De Backer D, Shapiro NI, Duranteau J, et al. Second consensus on the assessment of sublingual microcirculation in critically ill patients. Intensive Care Med. 2018; 44(3): 281–299. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[6]	Naumann DN, Mellis C, Smith IM, Mamuza J, Skene I, Harris T, et al. Safety and feasibility of sublingual microcirculation assessment in the emergency department for civilian and military patients with traumatic haemorrhagic shock: a prospective cohort study. BMJ Open. 2016; 6(12): e014162. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[7]	Damiani E, Ince C, Scorcella C, Domizi R, Carsetti A, Mininno N, et al. Impact of microcirculatory video quality on evaluation of sublingual microcirculation. J Clin Monit Comput. 2017; 31(5): 981–988. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[8]	Dubin A, KanooreEdul VS, Caminos Eguillor JF, Ferrara G. Monitoring microcirculation: utility and barriers. Vasc Health Risk Manag. 2020; 16: 577–589. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[9]	Guay CS, Khebir M, Shiva Shahiri T, Szilagyi A, Cole EE, Simoneau G, et al. Evaluation of automated microvascular flow analysis software AVA 4. Intensive Care Med Exp. 2021; 9(1): 15. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[10]	Montomoli J, Hilty MP, Ince C. Artificial intelligence in intensive care. Minerva Anestesiol. 2022; 88(12): 1066–1072. | Digital Object Identifier (DOI) | Scholar Google |
[11]	Puticiu M, Cimpoesu D, Pop F, Ciumanghel I, Rotaru LT, Oprita B, et al. AI-enhanced POCUS in emergency care. Diagnostics (Basel). 2026; 16(2): 353. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[12]	Hilty MP, Guerci P, Ince Y, Toraman F, Ince C, et al. MicroTools enables automated quantification of capillary density. Commun Biol. 2019; 2: 217. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[13]	Hilty MP, Akin S, Boerma C, Donati A, Erdem Ö, Giaccaglia P, et al. Automated Algorithm Analysis of Sublingual Microcirculation in an International Multicentral Database Identifies Alterations Associated With Disease and Mechanism of Resuscitation. Crit Care Med. 2020; 48(10): e864-e875. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[14]	Hilty MP, Favaron E, Wendel Garcia PD, Ahiska Y, Uz Z, Akin S, et al. Microcirculatory alterations in critically ill COVID-19 patients analyzed using artificial intelligence. Crit Care. 2022; 26(1): 311. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[15]	Moazemi S, Vahdati S, Li J, Kalkhoff S, Castano LJV, Dewitz B, et al. Artificial intelligence for clinical decision support for monitoring patients in cardiovascular ICUs: A systematic review. Front Med (Lausanne). 2023;10: 1109411. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[16]	KanooreEdul VS, Dubin A. Pitfalls in use of microcirculation as a resuscitation goal. Intensive Care Med. 2023; 49: 1268-1269. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[17]	Hilty MP, Duranteau J, Montomoli J, Yu-Chang Yeh T, Ince C, et al. A microcirculation-guided trial doomed to fail. Intensive Care Med. 2023; 49(12): 1557-1558. | Digital Object Identifier (DOI) | Scholar Google |
[18]	Granholm F, Tin D, Ciottone GR. Impact of hybrid warfare on emergency medicine. Am J Emerg Med. 2022; 62: 96- 100. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[19]	Finlayson SG, Bowers JD, Ito J, Zittrain JL, Beam AL, Kohane IS. Adversarial attacks on medical machine learning. Science. 2019; 363(6433): 1287-1289. | Digital Object Identifier (DOI) | PubMed (NCBI) | Scholar Google |
[20]	Amodei D, Olah C, Steinhardt J, Christiano P, Schulman J, Mané D. Concrete problems in AI safety. arXiv preprint. 2016; 1606.06565. | Digital Object Identifier (DOI) | Scholar Google |