Fremtidens intelligente ICU

Smerter er et kritisk nationalt sundhedsproblem, hvor næsten 50 % af patienterne med intensiv behandling oplever betydelige smerter på intensivafdelingen (ICU). Undervurderingen af ​​smerterespons er en af ​​de primære barrierer for tilstrækkelig behandling af smerter hos kritisk syge patienter, forbundet med mange negative udfald såsom kroniske smerter efter udskrivelse, forlænget mekanisk ventilation, længere intensivophold og øget risiko for dødelighed. Ikke desto mindre er mange ICU-patienter ikke i stand til selv at rapportere smerteintensitet på grund af kliniske forhold, ventilationsanordninger og ændret bevidsthed. I øjeblikket bruges adfærdsmæssige smerteskalaer til at vurdere smerte hos nonverbale patienter. Desværre kræver disse vægte gentagen manuel administration af overbebyrdede sygeplejersker. Desuden tyder tidligere arbejde på, at sygeplejersker, der tager sig af kvasisederede patienter i kritiske plejemiljøer, har betydelig variation i smerteintensitetsvurderinger. Desuden mangler manuelle smertevurderingsværktøjer evnen til at overvåge smerte kontinuerligt og autonomt. Tilsammen peger disse udfordringer på et kritisk behov for udvikling af objektive og autonome smertegenkendelsessystemer.

Delirium er en anden almindelig komplikation ved hospitalsindlæggelse, der udgør betydelige helbredsproblemer hos indlagte patienter. Det er mest udbredt hos kirurgiske ICU-patienter med diagnoser på op til 80 %. Det er karakteriseret ved ændringer i kognition, aktivitetsniveau, bevidsthed og årvågenhed. Delirium fører typisk til ændringer i aktivitetsniveau og årvågenhed, der udgør yderligere sundhedsrisici, herunder risiko for fald, utilstrækkelig mobilisering, forstyrret søvn, utilstrækkelig smertekontrol og negative følelser. Alle disse effekter er svære at overvåge i realtid og bidrager yderligere til forværring af patientens kognitive evner, hæmmer restitution og bremser rehabiliteringsprocessen. Selvom omkring en tredjedel af deliriumtilfældene kan drage fordel af intervention, er det i praksis stadig meget begrænset at opdage og forudsige delirium. Aktuelle Delirium-vurderinger skal udføres af uddannet sundhedspersonale, er tidskrævende og ressourcekrævende. På grund af de ressourcer, der er nødvendige for at gennemføre vurderingen, vurderes delirium ofte to gange dagligt på trods af den forbigående karakter af sygdomstilstanden, som kan komme og gå uopdaget mellem vurderingerne. Tilsammen viser disse forhindringer et dybt behov for autonom deliriumdetektion i realtid.

Efterforskerne antager, at den foreslåede model ville være i stand til at udnytte accelerometer-, elektromyografiske og videodata med det formål autonomt at kvantificere patientens ansigtsudtryk såsom smerte, karakterisering af funktionelle aktiviteter og deliriumstatus. Rationalisering af, at autonom visuel cue-kvantificering og deliriumdetektion kan reducere sygeplejerskens arbejdsbyrde og kan muliggøre smerte- og deliriumovervågning i realtid. Tidlig påvisning af delirium giver patienter den bedste chance for gode deliriebehandlingsresultater.