Einfluss der künstlichen Intelligenz in einem Telemonitoring-Programm für COPD-Patienten mit mehreren Krankenhausaufenthalten

Telemonitoring-Programme sind insbesondere bei chronischen Erkrankungen eine Alternative zu den herkömmlichen Systemen der Patientenkontrolle. Diese Art von Instrumenten ist auch aufgrund der Alterung der Bevölkerung, der Zunahme chronischer Krankheiten und der daraus resultierenden Steigerung der Kosten für die Aufrechterhaltung der Gesundheitssysteme wichtig. Andererseits werden heutzutage diese chronischen Patienten aufgrund von Exazerbationen besonders betreut, hauptsächlich in Notfällen und bei Krankenhausaufenthalten, aber auch in persönlichen Terminkonsultationen, wenn die Patienten stabil sind. Dann ist eine genauere Betrachtung unter dem Gesichtspunkt der Klinik, des Managements und der Kosten wünschenswerter.

COPD (chronisch obstruktive Lungenerkrankung) ist eine weit verbreitete Erkrankung. Darüber hinaus ist der Verbrauch an sanitären Ressourcen und Kosten hoch, 50 % davon sind auf Krankenhausaufenthalte zurückzuführen.

Darüber hinaus haben Exazerbationen bei COPD, insbesondere die schweren, schwerwiegende Folgen für die Patienten (Verminderung der Lungenfunktion, Verschlechterung der Lebensqualität und Anstieg der Mortalität).

Daher scheint Telemonitoring eine Lösung zu sein, um die Kontrolle dieser Patienten zu verbessern und den Ressourcenverbrauch zu senken. Im Galdakao-Krankenhaus in Spanien wurde ein Telemonitoring-Programm für COPD-Patienten gestartet, die erneut ins Krankenhaus eingeliefert werden. Das Hauptziel bestand darin, die Rückübernahmen aufgrund von COPD-Exazerbationen zu reduzieren, und es konnte eine deutliche Verringerung des Verbrauchs sanitärer Ressourcen (Krankenhausaufenthalte, Besuche in der Notaufnahme, Rückübernahmen und durchschnittliche Aufenthaltsdauer) nachgewiesen werden. Es zeigte sich auch, dass sich die klinischen Symptome und die Lebensqualität bei schwereren Patienten weniger verschlechterten.

Es gibt jedoch drei Faktoren, die bei chronischen Krankheiten sehr wichtig sind: die Zunahme der alternden Menschen, die Zunahme der Menschen mit chronischen Krankheiten und die schnelle Entwicklung der Technologie, insbesondere der Erinnerungs- und Informationsverarbeitungssysteme.

Maschinelles Lernen (ML) ist der wichtigste Teil der künstlichen Intelligenz und sein Ziel ist das Lernen eines Computers. Der Computer schreibt seine eigenen Programme, um Probleme zu lösen, von denen wir nicht wissen, wie sie sie lösen sollen. Bei schwierigen Aufgaben, wie beispielsweise Vorhersagen in medizinischen Szenarien, benötigen ML-Algorithmen eine große Menge an Daten, um die Ergebnisse zu erzielen. Die meisten medizinischen Datenbanken weisen Unannehmlichkeiten auf, die auf menschliches Eingreifen zurückzuführen sind, wie z. B. fehlende Daten, falsche Werte usw. Aus diesem Grund scheinen auf Telemedizin basierende Programme eine ideale Plattform für ML-Algorithmen zu sein. Dies liegt daran, dass Telemedizinsysteme in der Regel auf elektronischem Weg einen periodischen Fluss erfasster Daten erzeugen und diese direkt in einer Datenbank speichern. Dieser ständige Fluss von Daten und die geringe Beteiligung von Menschen an deren Erinnerung und Speicherung verleihen Datenbanken eine hohe Qualität, die ML-Algorithmen für die besten Vorhersagen nutzen können.

Aus diesem Grund erweist sich TelEPOC (das Telemonitoring-Programm in einer COPD-Kohorte im Galdakao-Krankenhaus) aufgrund der Qualität und Quantität der generierten Daten und auch aufgrund des Nutzens als die beste Option, um in seinen Daten die ML-Algorithmen zu verwenden dieser Vorhersagen in der klinischen Praxis.

In dieser Situation stellt sich die Frage, ob die Ermittler mit einer Exazerbation rechnen konnten oder wie sehr sie mit einer Manifestation einer Exazerbation rechnen konnten. Um diese Hypothese zu testen, wird hier ein Projekt vorgestellt, das Künstliche Intelligenz (ML) nutzt.

Forscher führten zuvor einen Test dieses Systems durch, der vielversprechende Ergebnisse lieferte. Dieser Prototyp wurde mit retrospektiven Daten trainiert, die das TelePOC-Programm zuvor gesammelt hatte, und basierte auf einem ML-Algorithmus namens Random Forests. Mit dieser Sonde erhielten sie eine ROC-Kurve (Receiver Operating Characteristic Curve) von 0,8 zur Vorhersage einer Exazerbation in den folgenden drei Tagen. Derzeit wird im Galdakao Hospital ein ML-System im Rahmen des TelePOC-Programms entwickelt. Sein Ziel ist es, einen Alarm (Exazerbation) vorherzusagen.

Zu diesem Zweck berücksichtigen Forscher viele zusätzliche Fragen, die untersucht werden können, wie zum Beispiel: Wie kann sich dies auf die Einführung dieser Technologie in der klinischen Praxis auswirken? In diesem Projekt kann der Einsatz von ML die Ausrichtung der klinischen Unterstützung verändern. Es gibt Instrumente, die die Entwicklung der Patienten vorhersagen können. Eine weitere Frage ist, dass Forscher, wenn sie mit einer Exazerbation rechnen, die pathogenen Grundlagen (Entzündungsmediatoren) ändern könnten, die einer COPD-Exazerbation zugrunde liegen.

Forscher betrachten diese Initiative als Pionier auf dem Gebiet der COPD und chronischen Krankheiten.