UCI inteligente del futuro

El dolor es un problema de salud nacional crítico con casi el 50% de los pacientes de cuidados intensivos que experimentan un dolor significativo en la Unidad de Cuidados Intensivos (UCI). La subevaluación de la respuesta al dolor es una de las principales barreras para el tratamiento adecuado del dolor en pacientes críticos, asociada con muchos resultados negativos, como dolor crónico después del alta, ventilación mecánica prolongada, estancia más prolongada en la UCI y mayor riesgo de mortalidad. No obstante, muchos pacientes de la UCI no pueden autoinformar la intensidad del dolor debido a las condiciones clínicas, los dispositivos de ventilación y la alteración de la conciencia. Actualmente, las escalas conductuales del dolor se utilizan para evaluar el dolor en pacientes no verbales. Desafortunadamente, estas básculas requieren una administración manual repetitiva por parte de enfermeras sobrecargadas. Además, el trabajo previo sugiere que las enfermeras que atienden a pacientes casi sedados en entornos de cuidados intensivos tienen una variabilidad considerable en las calificaciones de intensidad del dolor. Además, las herramientas manuales de evaluación del dolor carecen de la capacidad de monitorear el dolor de forma continua y autónoma. Juntos, estos desafíos apuntan a una necesidad crítica de desarrollar sistemas de reconocimiento del dolor objetivos y autónomos.

El delirio es otra complicación común de la hospitalización que plantea importantes problemas de salud en los pacientes hospitalizados. Es más frecuente en pacientes quirúrgicos de la UCI con tasas de diagnóstico de hasta el 80%. Se caracteriza por cambios en la cognición, el nivel de actividad, la conciencia y el estado de alerta. El delirio generalmente conduce a cambios en el nivel de actividad y el estado de alerta que presentan riesgos adicionales para la salud, incluido el riesgo de caídas, movilización inadecuada, trastornos del sueño, control inadecuado del dolor y emociones negativas. Todos estos efectos son difíciles de monitorear en tiempo real y contribuyen aún más al empeoramiento de las capacidades cognitivas del paciente, inhiben la recuperación y ralentizan el proceso de rehabilitación. Aunque alrededor de un tercio de los casos de delirio pueden beneficiarse de la intervención, la detección y predicción del delirio todavía es muy limitada en la práctica. Las evaluaciones actuales de Delirium deben ser realizadas por personal de atención médica capacitado, requieren mucho tiempo y recursos. Debido a los recursos necesarios para completar la evaluación, el delirio a menudo se evalúa dos veces al día, a pesar de la naturaleza transitoria del estado de la enfermedad que puede aparecer y desaparecer sin ser detectado entre las evaluaciones. En conjunto, estos obstáculos demuestran una necesidad imperiosa de detección autónoma del delirio en tiempo real.

Los investigadores plantean la hipótesis de que el modelo propuesto podría aprovechar los datos del acelerómetro, electromiográficos y de video con el fin de cuantificar de forma autónoma las expresiones faciales del paciente, como el dolor, caracterizar las actividades funcionales y el estado de delirio. Racionalizar que la cuantificación autónoma de señales visuales y la detección del delirio pueden reducir la carga de trabajo de las enfermeras y permitir la monitorización del dolor y el delirio en tiempo real. La detección temprana del delirio ofrece a los pacientes la mejor oportunidad de obtener buenos resultados en el tratamiento del delirio.