Аналитика искусственного интеллекта предсказывает ежедневную траекторию пациентов с COVID-19 в отделениях интенсивной терапии Великобритании

Исследователи использовали машинное обучение, чтобы предсказать, каким пациентам может стать хуже и не положительно отреагировать на то, что их перевернут на передний план в отделениях интенсивной терапии (ОИТ) – метод, известный как пронинг, который обычно используется в этих условиях для улучшения оксигенации легких.
Хотя модель искусственного интеллекта использовалась для ретроспективной когорты данных пациентов, собранных во время первой волны пандемии, исследование демонстрирует способность методов искусственного интеллекта прогнозировать исходы пациентов с использованием стандартной клинической информации, используемой медиками интенсивной терапии.

Исследователи говорят, что подход, при котором данные каждого пациента анализировались изо дня в день, а не только при поступлении, может быть использован для улучшения рекомендаций в клинической практике в будущем. Его можно применить к потенциальным будущим волнам пандемии и других заболеваний, которые лечат в аналогичных клинических условиях.
Это первое исследование, в котором изучаются ежедневные данные о пациентах с COVID-19 с использованием искусственного интеллекта для понимания клинической реакции на быстро меняющиеся потребности пациентов в отделениях интенсивной терапии. Исследование, проведенное командой из Имперского колледжа Лондона и больниц Royal Brompton и Harefield для Консорциума COVID-ICU, опубликовано сегодня в журнале Intensive Care Medicine.

Первый автор и руководитель клинической науки д-р Бриджеш Патель из отделения хирургии и рака Imperial и старший реаниматолог в больнице Royal Brompton сказал: «Большинство исследований изучают состояние здоровья пациента при поступлении в отделение интенсивной терапии, а также его выписку или печальную смерть. В отделении интенсивной терапии существует огромное количество информации, которую мы используем у постели больного для повседневного ведения пациентов, и наше исследование фокусируется на том, как состояние пациентов меняется ежедневно.

"Это помогло сосредоточить наше внимание на том, какие конкретные параметры имеют наибольшее значение и как важность каждого параметра меняется с течением времени. Это динамическое понимание жизненно важно при попытке понять новое опасное для жизни заболевание и знать, когда и у кого работает каждое вмешательство."
Положение лежа используется в отделениях интенсивной терапии, чтобы помочь улучшить оксигенацию крови у людей с тяжелым острым респираторным дистресс-синдромом, и широко использовалось во время пандемии.

Тем не менее, пронинг не помог всем пациентам с COVID-19 и, при использовании у пациентов, которым не будет пользы, может отсрочить начало других последовательных процедур, таких как экстракорпоральная мембранная оксигенация (ЭКМО), аппарат жизнеобеспечения, который берет на себя работу сердца. и легкие, чтобы насыщать кровь кислородом и перекачивать ее по всему телу. Более точный анализ реализации пронинга и прогнозирование неудачного выполнения может привести к созданию более персонализированных приложений.
Д-р Патель сказал: «ЭКМО в настоящее время является последним средством для многих пациентов, после того как все другие менее инвазивные вмешательства, такие как положение лежа на животе, потерпели неудачу, но они сопряжены с рисками.

Более 20% всех пациентов на ИВЛ были направлены и получили рекомендации по ведению в одном из пяти национальных центров ЭКМО. Пациенты, должным образом переведенные на ЭКМО на ранней стадии, показывают лучшие результаты.

Однако только 4% направленных пациентов получали ЭКМО, что связано с рядом причин, одной из которых могла быть задержка в оценке реакции на вмешательства, такие как положение лежа на животе.
«Расширенная аналитика, позволяющая отслеживать заболевания, позволяет упростить уход за пациентами, чтобы не упустить окно возможностей для любого вмешательства. Данные этой национальной оценки позволили нам не только изучить, как наши управленческие решения повлияли на течение болезни, но, что важно, где мы могли бы улучшить."

Новые результаты показывают, что модель искусственного интеллекта выявила факторы, которые определили, каким пациентам будет хуже, и которые не ответят на такие вмешательства, как пренинг. Исследователи обнаружили, что во время первой волны пандемии пациенты со сгустками крови или воспалением в легких, более низким уровнем кислорода, более низким артериальным давлением и более низким уровнем лактата с меньшей вероятностью выиграют от провокации. В целом, пронинг улучшил оксигенацию только у 44% пациентов.

Старший автор и ведущий специалист по науке о данных профессор Альдо Фейсал, директор Imperial’s Center in AI for Healthcare при департаментах вычислительной техники и биоинженерии, сказал: «В постоянно меняющемся ландшафте пандемии клиницисты постоянно учатся и приспосабливаются к потребностям пациентов, которые сами менять каждый день.

Что важно, мы создали постоянную цифровую оценку услуг отделений интенсивной терапии Великобритании, получая ежедневные данные о лечении из отделений интенсивной терапии по всей стране. Наш инструмент машинного обучения может помочь отслеживать прогресс пациента в режиме реального времени и помочь сформировать рекомендации в отделениях интенсивной терапии, заполняя пробелы в уходе за пациентами, обращаясь к клиницистам, чтобы они могли быстро определить передовой опыт и извлечь выгоду из обмена.
«Спустя более года мы все еще изучаем, как течение COVID-19 влияет на организм и как это может меняться день ото дня.

Наука о данных и ежедневные потоки данных из отделений интенсивной терапии по всей стране помогают нам гораздо быстрее узнать, как лучше всего лечить отдельных пациентов с учетом их повседневных симптомов и потребностей."
Исследователи проанализировали данные 633 пациентов с COVID-19 на ИВЛ в 20 отделениях интенсивной терапии Великобритании во время первой волны вспышки COVID-19 (1 марта – 31 августа 2020 г.). Они изучили важность факторов, связанных с прогрессированием заболевания, таких как тромбы и воспаление в легких, а также назначенное лечение и вопрос о том, умер ли пациент в конечном итоге или был выписан.

Они использовали эти данные, которые ежедневно собирали легионы студентов-медиков, медсестер, врачей, аудиторов, исследователей и специалистов по обработке данных, для разработки и обучения инструмента искусственного интеллекта, который затем делал прогнозы относительно факторов, определяющих результаты.
Д-р Патель добавил: «Наши результаты могут помочь информировать руководства интенсивной терапии и врачей в будущем, а искусственный интеллект может сыграть решающую роль в том, как мы узнаем о прогрессировании COVID-19 и адаптируемся к ним на ежедневной основе. Наша мантра в NHS – внедрять инновации и улучшать уход за пациентами, и эта форма национальной оценки помогает нам понять наши собственные предубеждения как врачей.

Мы надеемся, что наши результаты помогут и подтолкнут к проведению дополнительных исследований, направленных на повседневные потребности пациентов."
Исследователи продолжают сбор данных о пациентах и ​​в настоящее время анализируют результаты второй волны пандемии.

Они отмечают, что в первой волне было ограниченное количество доступных лекарств, поэтому большее количество пациентов с COVID-19 могло быть направлено непосредственно в отделение интенсивной терапии для поддержки дыхания. Однако во второй волне проверенные методы лечения, такие как стероиды и тоцилузимаб, впервые предложенные другими имперскими исследователями, были более доступны, поэтому у тех, кто перешел в ОИТ, был другой профиль болезни, поскольку они были пациентами, которые изначально были устойчивы к этим первоначальным препаратам. лечение.
Профессор Фейсал сказал: «Результаты первой и второй волны будут отличаться, потому что подходы к лечению пациентов в отделениях интенсивной терапии эволюционировали в связи с пандемией. Однако наш набор инструментов искусственного интеллекта уже настроен в отделениях интенсивной терапии Великобритании для ежедневного мониторинга данных о пациентах и ​​адаптации к меняющейся ситуации."

Исследование было софинансировано Фондом реагирования на COVID-19 Имперского колледжа Лондона, благотворительной организацией Royal Brompton & Harefield Hospitals и Имперским центром биомедицинских исследований NIHR и одобрено Обществом интенсивной терапии.

Оставьте комментарий