Poprawa wyników leczenia pacjentów na oddziałach intensywnej terapii (OIT) stała się katalizatorem rozwoju algorytmów predykcyjnych zaprojektowanych w celu zapewniania dostosowanych do potrzeb pacjenta ostrzeżeń przy łóżku, co stanowi znaczący postęp w kierunku przyszłości proaktywnej intensywnej terapii. Pomimo potencjału, podróż napotkała przeszkody, w szczególności wykorzystanie danych zebranych retrospektywnie, co często prowadziło do wskaźników wydajności, które nie odzwierciedlały ich skuteczności w świecie rzeczywistym. Brak modeli przetestowanych w warunkach rzeczywistych uwypuklił znaczną lukę w wysiłkach na rzecz poprawy opieki nad pacjentem. Na tym tle ViSIG wyróżnia się jako przełomowy system rozpoznawania wzorców, którego celem jest wykrywanie wczesnych oznak potencjalnej śmiertelności u pacjentów oddziałów intensywnej terapii. To innowacyjne podejście, wykorzystujące algorytmy genetyczne do wykrywania zmian w parametrach życiowych wskazujących na leżące u ich podstaw pogorszenie stanu fizjologicznego, ma na celu na nowo zdefiniować postępowanie z pacjentami i opiekę nad nimi w środowiskach intensywnej terapii dla dorosłych.
Przełomowe badanie przeprowadzone przez dr Andrew Kramera z Prescient Healthcare Consulting we współpracy z dr Markiem LaFonte i dr Ibrahimem El Husseinim ze szpitala uniwersyteckiego Robert Wood Johnson-Barnabas, Simonem Didcote z OBS Medical Ltd, Paulą Maurer z Medical Decision Network oraz dr Frantzem Hastrupem i dr Jamesem Krinsleyem ze szpitala Stamford rzuciło światło na skuteczność ViSIG. Ich znaczące dzieło, opublikowane w Informatyka w medycynie odblokowanapodkreśla rolę systemu w przekształcaniu opieki nad pacjentami na oddziałach intensywnej terapii.
„Naszym celem było wykorzystanie predykcyjnej mocy uczenia maszynowego, aby zapewnić klinicystom informacje potrzebne do podejmowania świadomych decyzji” – stwierdza dr Kramer, podkreślając szeroko zakrojoną współpracę na sześciu oddziałach intensywnej terapii dla dorosłych w dwóch szpitalach w USA w celu przeanalizowania wpływu ViSIG.
Poprzednie dochodzenie (Medycyna intensywnej terapiipaździernik 2013 r.) potwierdził dokładność predykcyjną algorytmu leżącego u podstaw ViSIG, przy czym wyższe wyniki są silnie powiązane ze wzrostem ryzyka śmiertelności. W bieżącym badaniu wykorzystano dwufazową metodologię do oceny użyteczności klinicznej ViSIG. Początkowo klinicyści nie znali wyników systemu, zanim wprowadzili fazę, w której wyniki te były dostępne za pośrednictwem przyjaznego dla użytkownika interfejsu. „Badanie zostało szczegółowo zaprojektowane, aby zmierzyć wpływ systemu na wyniki kliniczne” – zauważa dr Kramer.
Model predykcyjny ViSIG opiera się na ciągłym monitorowaniu parametrów życiowych i stanu wentylacji mechanicznej, co daje złożony wynik obejmujący trzy poziomy ryzyka zgonu. Wynik ten jest łatwy do interpretacji i jest aktualizowany co 30 minut, dzięki czemu jest aktualny. „Takie podejście umożliwiło nam przedstawienie dowodów na pogorszenie stanu zdrowia pacjenta, zanim objawi się to klinicznie, co, miejmy nadzieję, ograniczy nieoczekiwane szkodliwe skutki” – wyjaśnia dr Kramer, podkreślając znaczenie testowania zaawansowanego algorytmu ViSIG w rzeczywistych sytuacjach.
Wyniki badania są uderzające i wskazują na znaczną poprawę opieki nad pacjentem. „Wdrożenie ViSIG w procedurach klinicznych może znacznie poprawić wyniki, szczególnie w zakresie skrócenia czasu pobytu na OIOM-ie i skrócenia czasu wentylacji mechanicznej” – podaje dr Kramer. W badaniu zaobserwowano również znaczny spadek liczby ponownych przyjęć na OIOM, co pokazało zdolność ViSIG do poprawy natychmiastowej opieki, a także promowania długoterminowego zdrowia pacjentów. Praca dr Andrew Kramera i jego zespołu pokazuje korzyści płynące z integracji narzędzi uczenia maszynowego, takich jak ViSIG, ze środowiskiem intensywnej terapii. Zapewniając klinicystom wgląd w stan pacjentów w czasie rzeczywistym, ViSIG wspiera podejmowanie świadomych decyzji klinicznych, co prowadzi do znacznej poprawy wyników leczenia pacjentów.
ODNIESIENIE DO DZIENNIKA
AA Kramer i wsp., „Prospektywna ocena systemu wspomagania decyzji klinicznych opartego na uczeniu maszynowym (ViSIG) w ograniczaniu niekorzystnych skutków dla dorosłych krytycznie chorych pacjentów”, Informatics in Medicine Unlocked, 2024.
DOI: https://doi.org/10.1016/j.imu.2023.101433.
O AUTORACH
Doktor Andrzej Kramer od 22 lat aktywnie uczestniczy w badaniach dotyczących intensywnej terapii. Jest współtwórcą systemów oceny ciężkości chorób APACHE IV, APACHE IVa, MPM-III i OASIS, których efektem jest ponad 100 modeli predykcyjnych używanych na całym świecie. Ponadto jest autorem ponad 80 manuskryptów opublikowanych w czasopismach o dużym wpływie, w tym dwóch, które uzyskały ponad 500 cytowań. Dr Kramer uzyskał stopień doktora genetyki człowieka w Medical College of Virginia. Następnie odbył staż podoktorski z zakresu epidemiologii. Dr Kramer dołączył do Cerner Corporation w 2003 roku i pracował tam do 2015 roku, kierując działaniami badawczymi firmy w zakresie intensywnej terapii. W 2015 roku opuścił Cerner, aby założyć Prescient Healthcare Consulting, firmę skupiającą się na dostarczaniu nowatorskich rozwiązań analitycznych w intensywnej terapii.
Doktor James Krinsley ukończył Yale College i Cornell University Medical College. Ukończył szkolenie z zakresu chorób wewnętrznych na Uniwersytecie Nowojorskim oraz medycyny chorób płuc i intensywnej terapii w Yale University School of Medicine. W latach 1998–2020 był dyrektorem oddziału intensywnej terapii w szpitalu Stamford i profesorem medycyny klinicznej na Uniwersytecie Columbia Vagelos College of Physicians and Surgeons. Od 2003 roku opublikował wiele publikacji na temat licznych aspektów kontroli glikemii u pacjentów w stanie krytycznym, a także zagadnień związanych z wentylacją mechaniczną. Pełną listę jego publikacji można znaleźć na stronie: https://scholar.google.com/citations?user=uj0vccAAAAAJ&hl=en.
