AI-podporovaná kontinuální stratifikace v neurorehabilitaci cévní mozkové příhody s využitím personalizovaných digitálních dvojčat (STRATIF-AI)

Nástin výzkumu Tento projekt je navržen tak, aby posoudil proveditelnost rehabilitační aplikace STRATIF-AI (app), spolu s její dostupností, užitečností a personalizací pro pacienty. Účelem aplikace je podporovat pacienty v jejich zotavení po mozkové příhodě, avšak protože je ve fázi raného vývoje, hlavními cíli této studie je testovat proveditelnost zapojení takové aplikace do rekonvalescence pacienta a zda ji pacienti považují za užitečnou.

Nejmodernější stratifikační technologie je dnes založena na algoritmech strojového učení (ML), trénovaných na datech velkých kohort. To má dvě hlavní omezení: a) takové modely ML nemohou využít veškerou různorodost dat, která jsou o pacientovi generována, b) stratifikace je tedy prováděna pouze přerušovaně, což implikuje zastaralá a suboptimální rozhodnutí o péči. Aby se to napravilo, byl vyvinut nový koncept a technologie - kontinuální stratifikace, využívající platformu STRATIF-AI. Při kontinuální stratifikaci jsou všechna data generovaná o pacientovi kumulativně ukládána v Osobním datovém trezoru, který je pod kontrolou pacienta. Tato osobní data průběžně aktualizují platformu digitálního dvojčete. Unikátní potenciál platformy pochází z hybridní architektury, která kombinuje mechanistické, multiměřítkové a multi-orgánové modely se strojovým učením a bioinformatikou.

Tato technologie umožňuje simulaci pacientově specifických reakcí na změny v léčbě a identifikaci změn na intracelulární, orgánové a celotělové úrovni, v rozmezí od sekund po roky u pacientů po mozkové příhodě. Sémantická harmonizace je kombinována s federovaným učením, aby se bezpečně přetrénovaly různé podmodely, když se v jedné z kohortních databází objeví nová data. Tento projekt prozkoumá využití digitálních dvojčat v rehabilitační fázi zotavení po mozkové příhodě a bude realizován v rehabilitační službě v nemocnici Chapel Allerton v Leedsu. Je to jedna ze šesti současných studií zahrnujících osm nemocnic napříč Evropou s cílem zdokonalit a ověřit modely a demonstrovat, jak mohou digitální dvojčata sledovat pacienty napříč různými aplikacemi, pokrývajícími všechny fáze mozkové příhody: od prevence přes akutní léčbu až po rehabilitaci. Škálovatelná platforma pro kontinuální stratifikaci tvoří základ pro nový propojený a pacientům orientovaný systém zdravotní péče.

Tento projekt si klade za cíl vyhodnotit proveditelnost využití nové aplikace k rozvoji metody kontinuální stratifikace, využívající všechna dostupná data pro hodnocení pacienta v reálném čase konsolidací pacientových dat do vyvíjejícího se digitálního dvojčete. Předpokládá se, že použití této technologie ve srovnání se standardní péčí o rehabilitaci po mozkové příhodě zlepší zapojení pacientů do rehabilitační péče po mozkové příhodě a vytvoří příležitosti pro budoucí práci v oblasti využití digitálních dvojčat ve zdravotnictví.

Pozadí a zdůvodnění Motivace zapojit se do rehabilitačního programu a soulad s rehabilitačním programem jsou dvě hlavní omezení pro zotavení lidí po mozkové příhodě, která mohou vést k suboptimálním výsledkům. Souvisejícím a ústředním problémem ve všech fázích péče o mozkovou příhodu je, že data leží v izolovaných úložištích, pacientům nejsou poskytována jejich data a stratifikace léčby je prováděna pouze přerušovaně. Z těchto důvodů byla vytvořena platforma STRATIF-AI, která je založena na digitálních dvojčatech - digitální kopii pacienta - a která usnadňuje kontinuální stratifikaci uvnitř a napříč všemi fázemi péče o mozkovou příhodu. Různé studie prováděné partnerskými nemocnicemi napříč konsorciem se zaměří na dřívější fáze péče o mozkovou příhodu, jako jsou preventivní opatření a akutní monitorování pacientů. V těchto studiích budou sbírána data, která umožní vyvinout kontinuální modely. V této klinické studii bude zkoumáno, jak pacienti a zdravotnický personál prožívají používání nové platformy v rehabilitaci. Jedná se o pilotní studii, která prozkoumá principiální důkaz a získá počáteční data o proveditelnosti a přijatelnosti.

Celosvětově je mozková příhoda čtvrtou nejčastější příčinou invalidity u dospělých, přičemž v roce 2021 prodělalo mozkovou příhodu 11,9 milionu lidí, přičemž nejnovější statistiky ukazují nárůst incidence mozkové příhody v období 1990-2021. Globální ekonomický dopad mozkové příhody je přes 890 miliard USD ročně, což je částka, která se do roku 2050 očekává zdvojnásobit. Kromě ekonomických dopadů je účinek mozkové příhody na kvalitu života postiženého jedince značný, přičemž více než dvě třetiny těch, kteří přežili mozkovou příhodu ve Spojeném království, opouštějí nemocnici s invaliditou, která vyžaduje trvalou péči. Zatímco v oblasti prevence mozkové příhody a akutního managementu je potřeba více práce, důležitost rehabilitační fáze po mozkové příhodě je stále více uznávána mezinárodně Světovou zdravotnickou organizací, která uznává "hlubokou, nenaplněnou potřebu" rehabilitace celosvětově, stejně jako národně v nejnovějších britských Směrnicích pro rehabilitaci po mozkové příhodě, které nastiňují klíčovou roli rehabilitační fáze mozkové příhody a zvýšené množství rehabilitace potřebné k maximalizaci zotavení.

Digitální dvojče, původně vyvinuté pro průmysl a relativně nový koncept ve zdravotnictví, lze definovat jako virtuální protějšek fyzického objektu, systému nebo procesu, který zrcadlí jeho reálný ekvivalent jak ve funkci, tak ve vzhledu. Pokračující vývoj technologie digitálních dvojčat vedl k vývoji pokročilých modelů, které se průběžně přizpůsobují v čase, aby byly schopny simulovat komplexní chování. Digitální dvojčata se liší od tradičního digitálního modelování, protože vyžadují obousměrnou výměnu dat mezi fyzickou entitou a digitální entitou, což umožňuje fyzické entitě přijímat zpětnou vazbu od jejího digitálního protějšku, což usnadňuje kontinuální stratifikaci dat. Vzhledem k přesunu k personalizovanému přístupu k léčbě ve zdravotnictví je potenciál digitálních dvojčat stále více zkoumán. Komplexita lidských emocí a chování spolu s variabilitou faktorů, jako jsou individuální preference, motivace, únava a celkové zdraví, však vyžadují sofistikovaná digitální dvojčata pro použití ve zdravotnictví.

Slibnou oblastí pro využití digitálních dvojčat je oblast rehabilitace po mozkové příhodě, kde by mohla být použita k podpoře období rehabilitace, které často přeživší po mozkové příhodě potřebují, modelováním individuálních vzorců zotavení a optimalizací terapií. Integrací dat pacienta v reálném čase, jako jsou pohybové vzorce, komunikace a kognitivní schopnosti, mohou digitální dvojčata simulovat rehabilitační výsledky, aby přizpůsobila léčbu individuálním pacientům, upravovala terapii v reálném čase a nabízela rozhodovací podporu a motivační zpětnou vazbu, potenciálně zvyšující zapojení pacientů a zlepšující zotavení. Koncept digitálních dvojčat již byl použit v analýze lidského pohybu prostřednictvím komerčně dostupných platforem, jako je OpenSim, který byl validován pro muskuloskeletální modelování, což demonstruje proveditelnost digitálních dvojčat ve zdravotnictví.

Projekt STRATIF-AI je projekt financovaný z programu Horizon Europe, jehož cílem je nasměrovat digitální dvojčata pro využití v rehabilitaci po mozkové příhodě. Tradiční stratifikace pacientů v rehabilitaci spoléhá na periodické stanovení cílů prováděné multidisciplinárním týmem, který s pacienty a jejich rodinnými příslušníky nebo pečovateli souhlasí s rehabilitačními cíli každé dva až tři týdny, aby směroval aktivity rehabilitačního programu. Tento přístup však může postrádat cenná data mezi epizodami stanovování cílů, což znamená, že nejnovější cíle nepřesně a neúplně odrážejí aktuální stav pacienta. Tato ztráta dat mezi epizodami stanovování cílů může být omezující v současné zdravotnické praxi, protože léčba zůstává nezměněna až do další formální interakce mezi pacientem a zdravotnickými pracovníky, i když se stav pacienta vyvinul. Z tohoto důvodu STRATIF-AI navrhuje vyvinout metodu kontinuální stratifikace, která využije všechna dostupná data pro hodnocení pacienta v reálném čase konsolidací těchto dat do vyvíjejícího se digitálního dvojčete, které pak poskytne zpětnou vazbu v reálném čase pacientovi a zdravotnickému týmu.

Data tradičně používaná ve stratifikaci v péči o mozkovou příhodu, jako je diagnóza pacienta, rizikové faktory pro mozkovou příhodu, anamnéza, základní pozorování a výsledky skenování a krevních testů, budou doplněna průběžnými informacemi z nositelné technologie (běžné chytré hodinky), pacientových deníků a formalizovaného rehabilitačního hodnoticího nástroje Funkční míry nezávislosti a Funkční hodnoticí míry (FIM+FAM). Tato data budou použita k aktualizaci individualizovaného digitálního dvojčete pro pacienta pomocí hybridní technologie, která integruje mechanistické modely pro hlavní funkce lidského těla s modely strojového učení a bioinformatiky.

Projekt STRATIF-AI implementuje kontinuální stratifikaci napříč rehabilitační fází mozkové příhody pro způsobilé pacienty napříč Leeds Teaching Hospitals NHS Trust a výsledky projektu doplní probíhající studie o využití platformy během preventivní a akutní léčebné fáze mozkové příhody prováděné v jiných centrech.