ICU Cockpit-apps: Interventionsundersøgelse med første ICU Cockpit-softwareapplikationer (ICUCockpiApp)

Baggrund:

Siden 2014 er projektet "ICU-Cockpit" blevet oprettet på Neurointensive Unit på Universitetshospitalet Zürich i samarbejde med Universitetet i Zürich og ETH Zürich. Avanceret informationsteknologi indsamler, synkroniserer og krypterer data fra adskillige medicinske enheder i realtid. Projektet har til formål at igangsætte en grundlæggende udvikling inden for akut- og intensivmedicin - og at skabe en væsentlig forbedring af den måde, diagnostik, behandling og risikostyring håndteres på i den kliniske hverdag.

Baseret på videoovervågning er der allerede udviklet algoritmer til tidlige alarmsystemer og terapistøtte. For at gøre algoritmerne anvendelige til klinisk praksis, udvikles der i øjeblikket en brugergrænseflade (GUI) i samarbejde med University of Applied Sciences Northwestern Switzerland (FHNW), se bilag 15. GUI'en gør det muligt at visualisere og fortolke de multimodale patientdata på en omfattende måde.

I 2016 startede et forskningsprojekt på NICU på universitetshospitalet Zürich med titlen "ICU Cockpit: Integrated platform for multimodal patient monitoring and therapy support in neurocritical care" (BASEC nr. 2016-01101). Formålet med single site-projektet er at etablere en integreret platform (videnskabelig prototype af ICU Cockpit-softwareplatform) til multimodal patientmonitorering og terapistøtte i neurokritisk pleje, og som et andet trin at udvikle og validere algoritmer til nogle første kliniske applikationer. Desuden vurderes automatiske artefakterdetektioner (dvs. antallet af falske og sande alarmer i ICU Cockpit sammenlignet med standardovervågningssystem), og der udvikles algoritmer til tidlig påvisning af epileptiske anfald og sekundær svækkelse af cerebral perfusion.

Formålet med denne aktuelle kliniske undersøgelse er verifikation og validering af ICU Cockpit-softwareplatformen og følgende tre forskellige applikationer til prognosticering og forudsigelse af komplikationer:

a) ICU Cockpit COVID-19 til fjernovervågning af isolerede patienter, b) ICU Cockpit Stabil tilstand til en omfattende visualisering af vitale parametre og som yderligere hjælp til tidlig påvisning af forestående kritiske komplikationer c) ICU Cockpit Cerebral Iskæmi til forudsigelse af forsinket cerebral iskæmi hos patienter med subaraknoidal blødning (SAH).

1. ICU Cockpit COVID-19 til fjernovervågning af isolerede patienter Efter at have inficeret mere end 100 000 mennesker i 100 lande, er coronavirus-sygdommen 2019 (COVID-19) blevet en pandemi. I Kina blev op til 10 % af patienterne med COVID-19 alvorligt syge, der krævede intensivbehandling, hovedsagelig på grund af lungebetændelse, akut respiratorisk distress syndrom (ARDS) og multiorgansvigt. I Italien, med omkring 5200 senge på intensivafdelinger (ICU'er), var allerede 1028 afsat til patienter med COVID-19 den 11. marts. Desuden er 20 % af sundhedspersonalet på nuværende tidspunkt allerede blevet smittet, og nogle er døde. For USA, uden selvisolering og for henholdsvis R0 = 2 og R0 = 2,5, forventes ICU-indlæggelser at blive 17,4 til 25,7 pr. Også i Schweiz står sundhedsvæsenet og især intensivafdelinger over for ekstraordinære udfordringer, da de menneskelige ressourcer til intensivafdelinger er begrænsede.

   Fremskridt inden for medicinsk informatik har potentialet til at lette medicinsk behandling og spare personaleressourcer ikke kun i den ambulante sektor, men i intensivafdelingerne, især under epidemier. I intensiv- og akutmedicin er situationen forstærket af realtidssignaler fra flere sensorer på såvel som inde i den menneskelige krop. Især i en nødsituation er det ikke muligt at integrere denne strøm af information hurtigt i beslutningsprocessen.

   Fjernovervågning af strengt isolerede patienter reducerer især personalets ruter og gang, antallet af tætte kontakter med inficerede patienter og dermed virusoverførslen. Patienternes sikkerhed vil blive øget ved at reducere stress og udbrændthed hos sygeplejersker og læger, som ofte arbejder i krise over tid.

2. ICU Cockpit Stable State Som en første applikation er der for nylig blevet udviklet en software kaldet "stable state". Vitale parametre som arterielt blodtryk, intrakranielt tryk og mange andre er svære at læse på et øjeblik på grund af deres høje informationstæthed. Da den menneskelige krop er et komplekst sammenkoblet system, er disse biosignaler også stærkt korrelerede. Erfarne klinikere kan genkende afvigelser i korrelationsstrukturen af ​​flere signaler, men det er umuligt at fatte det fulde billede for den enorme mængde af tilgængelige data. Imidlertid kan subtile korrelationsændringer indikere en ustabil tilstand hos en patient, før disse ændringer er synlige i et specifikt signal eller dets sammensatte mål.

   En algoritme, som beregner de indbyrdes afhængigheder i et vilkårligt sæt af signaler under en stabil fase af patienten, blev for nylig udviklet. Denne stabile tilstand sammenlignes med et online-estimat af den aktuelle tilstand. Korrelationelle ændringer reduceres didaktisk og visualiseres i et Mondrian-lignende display for hurtige sammenligninger af nuværende og tidligere tilstande.

   Applikationen "stabil tilstand" som en del af GUI ICU Cockpit er planlagt til at blive implementeret som en ekstra hjælp til tidlig opdagelse af forestående kritiske komplikationer.

3. ICU Cockpit Cerebral Iskæmi Cerebral vasospasme (CVS) er en forsinket morfologisk forsnævring af cerebrale arterier, der opstår 4 til 10 dage efter aneurysmal subaraknoidal blødning. Klassisk har CVS været forbundet med forsinket cerebral iskæmi (DCI), som i sidste ende fører til hjerneinfarkt forbundet med morbiditet og dødelighed. Dette har været en slags paradigme, og udtrykket CVS er ofte blevet misbrugt til at beskrive kliniske tegn på DCI. Størstedelen af ​​forskningen var fokuseret på antagelsen om, at CVS var eneansvarlig for DCI. I dag er det velkendt, at ikke alle patienter med CVS udvikler DCI. Omvendt kan DCI forekomme i fravær af CVS. Nylig gennemgang af litteraturen indikerer, at CVS ikke er den eneste årsag til DCI, og at hele billedet af DCI er multifaktorielt. Der er en løbende debat om dette spørgsmål, men hjerneinfarkt på billeddiagnostiske undersøgelser kan være det mest passende mål for DCI udover funktionelt resultat. Derfor er der udviklet en algoritme til at forudsige DCI baseret på en tilfældig skovmodel, som gør det muligt at identificere biomarkører for forekomsten 24 timer til 48 timer før.