Vliv umělé inteligence v programu telemonitoringu pacientů s CHOPN s více hospitalizacemi

Programy telemonitoringu jsou alternativou k tradičním systémům kontroly pacientů, zejména u chronických onemocnění. Tento druh nástrojů je důležitý také kvůli stárnutí populace, nárůstu chronických onemocnění a následnému nárůstu nákladů na údržbu zdravotnických systémů. Na druhou stranu jsou v dnešní době tito chroničtí pacienti navštěvováni zejména kvůli exacerbacím, a to zásadně v urgentních případech a hospitalizacích a také při osobních plánovaných konzultacích při stabilizaci pacientů. Potom je větší pozornost žádoucí z hlediska kliniky, managementu a nákladů.

CHOPN (chronická obstrukční plicní nemoc) je velmi rozšířené onemocnění. Navíc má vysokou spotřebu sanitárních prostředků a nákladů, z nichž 50 % je způsobeno hospitalizacemi.

Navíc exacerbace CHOPN a zvláště ty závažné mají pro pacienty významné důsledky (snížení plicních funkcí, zhoršení kvality života a zvýšení mortality).

Z tohoto důvodu se telemonitoring jeví jako řešení, jak zlepšit kontrolu těchto pacientů a zlepšit spotřebu zdrojů. V nemocnici Galdakao ve Španělsku byl zahájen program telemonitoringu u pacientů s CHOPN, kteří byli znovu přijati do nemocnice. Jeho primárním cílem bylo snížit počet readmisí kvůli exacerbacím CHOPN a mohlo by prokázat významný pokles ve využívání sanitárních prostředků (hospitalizace, návštěvy urgentního příjmu, readmise a průměrné dny pobytu). Prokázala také menší zhoršení klinických příznaků a kvality života u závažnějších pacientů.

Existují však tři faktory, které jsou u chronických onemocnění velmi důležité: nárůst stárnoucích lidí, nárůst lidí s chronickými chorobami a rychlý vývoj technologií, zejména systémů vzpomínání a zpracování informací.

Strojové učení (ML) je nejdůležitější součástí umělé inteligence a jeho cílem je učení počítače. Počítač si píše vlastní programy pro řešení problémů, které nevíme, jak vyřešit. Když je práce obtížná, jako je provádění předpovědí v lékařských scénářích, algoritmy ML potřebují velké množství dat, aby získaly učení. Většina lékařských databází má nepříjemnosti, které pocházejí z lidského zásahu, jako jsou chybějící data, nesprávné hodnoty atd. Z tohoto důvodu se programy založené na telemedicíně jeví jako ideální platforma pro algoritmy ML. Je tomu tak proto, že telemedicínské systémy běžně produkují periodický tok shromážděných dat elektronickými způsoby a jsou přímo uloženy v databázi. Tento neustálý tok dat a nízká účast lidí na jejich vybavování a uchovávání dávají databázím vysokou kvalitu, kterou mohou algoritmy ML používat k provádění nejlepších předpovědí.

Z tohoto důvodu se TelEPOC (program telemonitoringu v kohortě CHOPN, v nemocnici Galdakao) ukazuje jako nejlepší možnost využít ve svých datech algoritmy ML, a to kvůli kvalitě a množství generovaných dat a také kvůli užitečnosti těchto predikcí v klinické praxi.

V této situaci je otázkou, zda by vyšetřovatelé mohli exacerbaci předvídat nebo jak moc by mohli předvídat projev exacerbace. Pro ověření této hypotézy je zde představen projekt, který využívá umělou inteligenci (ML).

Vyšetřovatelé dříve provedli test tohoto systému, který přinesl slibné výsledky. Tento prototyp byl trénován s retrospektivními daty, které program TelEPOC získal dříve, a byl založen na algoritmu ML zvaném Random Forests. S touto sondou získali ROC křivku (provozní charakteristiku přijímače) 0,8 v predikci exacerbace v následujících třech dnech. V současné době se v nemocnici Galdakao vyvíjí ML systém v programu TelEPOC. Jeho cílem je předvídat poplach (exacerbaci).

Za tímto účelem vyšetřovatelé zvažují mnoho dalších otázek, které mohou být zkoumány, jako například: jak může ovlivnit příchod této technologie do klinické praxe deníků? V tomto projektu může použití ML změnit způsob zaměření klinické pomoci. Existují nástroje, které mohou předpovědět vývoj pacientů. Další otázkou je, že pokud vyšetřovatelé očekávají exacerbaci, mohli by změnit patogenní základ (zánětlivé mediátory), které exacerbaci CHOPN zaokrouhlují.

Vyšetřovatelé považují tuto iniciativu za průkopníka v této oblasti CHOPN a chronických onemocnění.