Fernüberwachung von Hochrisikopatienten mit chronischen Herz-Lungen-Erkrankungen

Exazerbationen chronischer kardiopulmonaler Erkrankungen sind weltweit eine der Hauptursachen für Morbidität und Mortalität. Weltweit gibt es schätzungsweise 23 Millionen Patienten mit Herzinsuffizienz, und die Prävalenz von Herzinsuffizienz in den Vereinigten Staaten wird in den nächsten vier Jahrzehnten voraussichtlich steigen, wobei für das Jahr 2040 schätzungsweise 772.000 neue Herzinsuffizienzfälle prognostiziert werden. Exazerbationen einer chronischen Atemwegserkrankung können den Rückgang der Lungenfunktion beschleunigen und das Überleben verkürzen. Sie können auch zu einem erheblichen Anstieg der Gesundheitskosten führen. Exazerbationen der chronisch obstruktiven Lungenerkrankung (COPD) sind eine wichtige Ursache für Wiedereinweisungen mit einer 30-tägigen Wiedereinweisungsrate von etwa 20 % und Folgeausgaben von 15 Milliarden US-Dollar an jährlichen Gesundheitsausgaben. Zystische Fibrose (CF), eine genetische Störung, die die Clearance und Sekretion der Atemwege beeinträchtigt, hat eine 30-tägige Wiederaufnahmerate von etwa 11 %.

Aufgrund der hohen Kosten für Krankenhausaufenthalte und Besuche in der Notaufnahme und insbesondere im Umfeld der COVID-19-Pandemie sind kostengünstigere „out-of-hospital“-Managementmodelle immer attraktiver geworden. Solche Modelle bieten nicht nur Kostenvorteile für Patienten, Kostenträger und Krankenhäuser, sondern erhöhen auch die Möglichkeiten, Menschen zu Hause zu versorgen.

Atmungsvariablen haben sich als einer der empfindlichsten Indikatoren für eine COPD-Exazerbation erwiesen, und es wurde eine signifikante Korrelation zwischen Atemfrequenz und COPD-Symptomen beobachtet. In Kombination mit Pulsfrequenz und Sauerstoffsättigung bieten diese Variablen eine nützliche Methode zur Identifizierung von Exazerbationen. Gegenwärtige Analysemodelle sind darauf ausgelegt, Alarme auszulösen, die im Allgemeinen auf traditionellen schwellenwertgesteuerten Analysen basieren. Solche Methoden sind aufgrund des eingeschränkten Zugangs zu erweiterten Analysen (z. B. Methoden des maschinellen Lernens) nicht in der Lage, Trends zu identifizieren und zu erkennen. Das zur Verwendung in dieser Studie vorgeschlagene Gerät misst die Atemfrequenz, das Verhältnis von Einatmung zu Ausatmung (I:E), Atemtiefe, Herzfrequenz, SpO2, SpO2-Variabilität, Patientenbewegung, und die Ermittler werden maschinelles Lernen und Datenmodellierung verwenden, um ihre zu analysieren Trends im Laufe der Zeit.

Die vom Institute of Bioengineering & Bioimaging (IBB), A*STAR, entwickelte tragbare biometrische Plattform (als „Respiratory Sensor“ bezeichnet) soll im Brustbereich über ein medizinisches Klebepflaster getragen werden. Der Atmungssensor umfasst einen nicht-invasiven Sensor, der einen Beschleunigungsmesser und lichtbasierte Methoden kombiniert, um die Ausdehnung oder Atmung der Brustwand zu erfassen.

Der Atmungssensor bietet die Möglichkeit, zusätzliche Atmungsinformationen (Atemfrequenz, relative Atemtiefe und Arbeitszyklus) als Prädiktoren für die Verschlimmerung chronischer Herz-Lungen-Erkrankungen zu sammeln und möglicherweise fortschrittliche Analysemodelle zu verbessern, die im Vergleich zu herkömmlichen Modellen (z. B. klinische Tagebücher). Letztendlich kann dies eine frühzeitige Vorhersage ambulanter Exazerbationen ermöglichen, um eine frühzeitige Intervention und reduzierte Wiederaufnahmen (über Ferninterventionen) zu ermöglichen.

In diesem Projekt möchte das Institute of Bioengineering & Bioimaging (IBB), A*STAR mit dem Massachusetts General Hospital zusammenarbeiten, um Patientendaten zu aggregieren und seinen Softwarealgorithmus mithilfe von maschinellem Lernen (z. Random-Forest-Modelle und Lang-Kurzzeit-Gedächtnis-Modelle etc.) und statistische Modelle (z.B. Regressionsmodelle und Überlebensanalyse mit univariater und multivariater Analyse) basierend auf respiratorischen Merkmalen und Hämodynamik zur Vorhersage von Exazerbationen und Verschlechterungen bei 60 Patienten mit kardiopulmonalen Erkrankungen. Die Endpunkte dieser Zusammenarbeit umfassen Folgendes:

1. Validierung der Hypothese der Verwendung atembasierter Biomarker in Modellen (krankheitsagnostisch und krankheitsspezifisch) zur Vorhersage von Exazerbationen – Benchmarking im Vergleich zu Follow-up-Fragebögen und Telefonanrufen
2. Zur Validierung des Grads der Compliance, der Drop-out-Rate und ob zusätzliche Maßnahmen erforderlich sind, um die Patienten zur Weiterbehandlung zu bewegen