Dálkové monitorování vysoce rizikových pacientů s chronickými kardiopulmonálními chorobami

Exacerbace chronických kardiopulmonálních onemocnění jsou hlavní příčinou morbidity a mortality na celém světě. Odhaduje se, že na celém světě je 23 milionů pacientů se srdečním selháním a předpokládá se, že prevalence srdečního selhání ve Spojených státech v příštích čtyřech desetiletích poroste s odhadem 772 000 nových případů srdečního selhání v roce 2040. Exacerbace chronického respiračního onemocnění mohou urychlit pokles funkce plic a snížit přežití. Mohou také vést k výraznému nárůstu nákladů na zdravotní péči. Exacerbace chronické obstrukční plicní nemoci (CHOPN) jsou důležitou příčinou readmisí s 30denní mírou opětovného přijetí přibližně 20 % a následnými výdaji ve výši 15 miliard USD v ročních výdajích na zdravotní péči. Cystická fibróza (CF), genetická porucha, která ovlivňuje clearance a sekreci dýchacích cest, má 30denní míru opětovného přijetí přibližně 11 %.

Vzhledem k vysokým nákladům na pobyty v nemocnici a návštěvy na pohotovosti, a zejména v podmínkách pandemie COVID-19, jsou nákladově efektivnější modely řízení „mimo nemocnice“ stále atraktivnější. Takové modely poskytují nejen nákladové výhody pro pacienty, plátce a nemocnice, ale také zvyšují schopnost poskytovat péči lidem doma.

Respirační proměnné se ukázaly být jedním z nejcitlivějších ukazatelů exacerbace CHOPN a byla pozorována významná korelace mezi dechovou frekvencí a symptomy CHOPN. V kombinaci s tepovou frekvencí a saturací kyslíkem tyto proměnné poskytují užitečnou metodu identifikace exacerbací. Současné analytické modely jsou navrženy tak, aby spouštěly poplachy, které jsou obecně založeny na tradiční analýze řízené prahem. Takové metody nejsou schopny identifikovat a rozpoznat trendy kvůli omezenému přístupu k pokročilé analytice (např. metody strojového učení). Zařízení navržené pro použití v této studii bude měřit dechovou frekvenci, poměr inspirace: exspirace (I:E), hloubku dýchání, srdeční frekvenci, SpO2, variabilitu SpO2, pohyb pacienta a výzkumníci budou používat strojové učení a datové modelování k analýze jejich trendy v čase.

Nositelná biometrická platforma (označovaná jako „respirační senzor“) vyvinutá Institutem bioinženýrství a bioimagingu (IBB), A*STAR, se má nosit na hrudníku pomocí lékařské náplasti. Respirační senzor obsahuje neinvazivní senzor kombinující akcelerometr a metody založené na světle pro snímání expanze hrudní stěny nebo dýchání.

Respirační senzor umožňuje shromažďovat další informace o dýchání (respirační frekvence, relativní hloubka přílivu a pracovní cyklus) jako prediktorů pro exacerbaci chronických kardiopulmonálních onemocnění a možná zlepšení pokročilých analytických modelů, které mohou poskytnout lepší citlivost a specifičnost ve srovnání s tradičními modely (např. klinické deníky). V konečném důsledku to může umožnit včasnou predikci ambulantních exacerbací, což umožní včasnou intervenci a snížení opětovného přijetí (prostřednictvím vzdálených intervencí).

V tomto projektu, Institute of Bioengineering & Bioimaging (IBB), by A*STAR rád spolupracoval s Massachusetts General Hospital na agregaci dat pacientů a na dalším vývoji svého softwarového algoritmu pomocí strojového učení (např. modely náhodného lesa a modely dlouhodobé paměti atd.) a statistické modely (např. regresní modely a analýza přežití s ​​jednorozměrnou a vícerozměrnou analýzou) na základě respiračních znaků a hemodynamiky pro predikci exacerbací a zhoršení u 60 pacientů s kardiopulmonálními chorobami. Mezi konečné body této spolupráce patří:

1. Potvrdit hypotézu použití respiračních biomarkerů v modelech (negnostických a specifických pro onemocnění) k predikci exacerbací – srovnávání, které je třeba provést oproti následným dotazníkům a telefonátům
2. Pro ověření úrovně kompliance, míry předčasného ukončení léčby a zda jsou nutná další opatření, aby pacienti mohli pokračovat