CogMe zur Vorbeugung und Früherkennung von Delirien (CogMe)

Delirium ist ein Syndrom, das als akute Bewusstseins- und Kognitionsstörung definiert ist, die dazu neigt, im Laufe der Zeit zu schwanken und durch die physiologischen Folgen einer Erkrankung verursacht wird. Es ist eine häufige Erkrankung in der Akutversorgung, auf Stationen der Inneren Medizin, bei postoperativen Patienten und auf der Intensivstation. Delirium ist mit erhöhter Sterblichkeit, längeren Krankenhausaufenthalten, langfristiger kognitiver Beeinträchtigung und erhöhten Gesundheitskosten verbunden. Die Pathophysiologie des Delirs ist multifaktoriell und noch nicht vollständig geklärt.

Die Prävalenz des Delirs nimmt mit dem Alter zu und ist bei älteren Krankenhauspatienten sehr häufig. In bestimmten Abteilungen können Delirien über 40 % erreichen. Delirium wird jedoch in fast zwei Dritteln der Fälle unterdiagnostiziert oder als Depression oder Demenz fehldiagnostiziert. Darüber hinaus hat sich in der Vergangenheit gezeigt, dass die Diagnose eines Delirs oft verzögert erfolgt und dass die Erkennung und Dokumentation des Delirs durch Ärzte und Pflegekräfte alles andere als optimal ist. Eine frühzeitige Diagnose des Delirs kann das klinische Ergebnis verbessern, mit verkürzter Dauer der Symptome, kürzerer Einweisungsdauer und reduzierten Langzeitkomplikationen.

Klinische Studien haben gezeigt, dass ein Delir in bis zu einem Drittel der Fälle durch multifaktorielle nicht-pharmakologische Interventionen verhindert werden kann, deren Umsetzung jedoch kostspielig sein kann und speziell geschultes Personal erfordert. Außerdem berücksichtigen sie in der Regel keine physiologischen Parameter.

Drei neue technologische Fortschritte bieten nun Möglichkeiten für einen neuen Ansatz zur Delirprävention. Erstens ist in den letzten Jahren die Überwachung der Vitalfunktionen mit tragbaren Sensoren, die von fortschrittlichen Verarbeitungsalgorithmen unterstützt werden, technisch machbar geworden. Diese Entwicklung kann Möglichkeiten für die Früherkennung von Delirien und für die Erkennung physiologischer Auslöser von Delirien wie Dehydration, Infektionen und Schlafmangel bieten. Zweitens sind die jüngsten Fortschritte bei virtuellen Dialogsystemen (z. Amazons Alexa oder Apples Siri) bieten neue und aufregende Möglichkeiten für die automatische Patienteninteraktion. Geräte mit Sprach- oder multimodaler Kommunikation können von älteren Patienten mit wenig oder keiner Erfahrung in moderner mobiler Technologie verwendet werden. Schließlich ermöglichen die jüngsten Fortschritte bei der Erfassung digitalisierter Daten, der Computerinfrastruktur und der Entwicklung von Algorithmen nun, dass Anwendungen der künstlichen Intelligenz und des maschinellen Lernens in Bereiche der Medizin vordringen, die früher nur als Bereich menschlicher Experten galten. Die Kombination dieser drei Datenquellen kann aktuelle Vorhersagemodelle erheblich verbessern und eine frühere und genauere Delirvorhersage ermöglichen.

Ein automatisiertes System, das bei der Erkennung von Delirien helfen und Ärzte auf einen möglichen Beginn des Syndroms aufmerksam machen könnte, kann die Behandlung und die Ergebnisse für Patienten erheblich verbessern. Das CogMe-System nutzt aktuelle Technologie, um einen ganzheitlichen und skalierbaren Ansatz für die Vorhersage, Erkennung und Prävention von Delirien bereitzustellen, der sowohl physiologische als auch kognitive Aspekte umfasst. Das System verwendet Wearables für die Überwachung der physiologischen Vitalfunktionen und kommuniziert mit den Patienten über eine spezielle Tablet-App – den CogMe Personal Assistant (PA). In dieser Studie werden die von den Wearables und dem CogMe PA gesammelten Daten in Kombination mit Patientendaten aus der EMR retrospektiv mithilfe von Techniken des maschinellen Lernens (CogMe Data Analytics) analysiert, um die Fähigkeit des CogMe-Systems zur Vorhersage und Erkennung von Delirium zu bewerten .