Monitoreo Remoto de Pacientes de Alto Riesgo con Enfermedades Cardiopulmonares Crónicas

Las exacerbaciones de las enfermedades cardiopulmonares crónicas son una causa importante de morbilidad y mortalidad en todo el mundo. Se estima que hay 23 millones de pacientes con insuficiencia cardíaca en todo el mundo, y se prevé que la prevalencia de insuficiencia cardíaca en los Estados Unidos aumente durante las próximas cuatro décadas con un estimado de 772 000 nuevos casos de insuficiencia cardíaca proyectados para el año 2040. Las exacerbaciones de la enfermedad respiratoria crónica pueden acelerar el deterioro de la función pulmonar y reducir la supervivencia. También pueden conducir a un aumento significativo del costo de la atención médica. Las exacerbaciones de la enfermedad pulmonar obstructiva crónica (EPOC) son una causa importante de reingresos, con una tasa de reingresos a los 30 días de aproximadamente el 20 % y un gasto posterior de 15 000 millones de dólares estadounidenses en atención médica anual. La fibrosis quística (FQ), un trastorno genético que afecta la limpieza de las vías respiratorias y las secreciones, tiene una tasa de reingreso a los 30 días de aproximadamente el 11 %.

Debido al alto costo de las estadías en el hospital y las visitas al departamento de emergencias, y especialmente en el contexto de la pandemia de COVID-19, los modelos de gestión "fuera del hospital" más rentables se han vuelto cada vez más atractivos. Dichos modelos no solo brindan beneficios de costos a pacientes, pagadores y hospitales, sino que también aumentan la capacidad de brindar atención a las personas en el hogar.

Las variables respiratorias han demostrado ser uno de los indicadores más sensibles de la exacerbación de la EPOC, observándose una correlación significativa entre la frecuencia respiratoria y los síntomas de la EPOC. Cuando se combinan con la frecuencia del pulso y la saturación de oxígeno, estas variables proporcionan un método útil para identificar las exacerbaciones. Los modelos analíticos actuales están diseñados para activar alarmas, que generalmente se basan en análisis basados ​​en umbrales tradicionales. Dichos métodos no pueden identificar y reconocer tendencias debido al acceso limitado a análisis avanzados (por ejemplo, métodos de aprendizaje automático). El dispositivo propuesto para su uso en este estudio medirá la frecuencia respiratoria, la relación inspiratoria:espiratoria (I:E), la profundidad respiratoria, la frecuencia cardíaca, la SpO2, la variabilidad de la SpO2, el movimiento del paciente y los investigadores utilizarán el aprendizaje automático y el modelado de datos para analizar su tendencias a lo largo del tiempo.

La plataforma biométrica portátil (denominada 'sensor respiratorio') desarrollada por el Instituto de Bioingeniería y Bioimagen (IBB), A*STAR se debe usar en el área del pecho a través de un parche adhesivo de grado médico. El sensor respiratorio incluye un sensor no invasivo que combina un acelerómetro y métodos basados ​​en luz para detectar la expansión de la pared torácica o la respiración.

El Sensor Respiratorio permite la posibilidad de recopilar información respiratoria adicional (frecuencia respiratoria, profundidad relativa de las mareas y ciclo de trabajo) como predictores de la exacerbación de enfermedades cardiopulmonares crónicas y tal vez mejorar los modelos analíticos avanzados que pueden proporcionar una mejor sensibilidad y especificidad en comparación con los modelos tradicionales (p. diarios clínicos). En última instancia, esto puede permitir la predicción temprana de las exacerbaciones en pacientes ambulatorios para permitir una intervención temprana y reducir los reingresos (a través de intervenciones remotas).

En este proyecto, el Instituto de Bioingeniería y Bioimagen (IBB), A*STAR desea colaborar con el Hospital General de Massachusetts para agregar datos de pacientes y desarrollar aún más su algoritmo de software utilizando el aprendizaje automático (p. modelos de bosque aleatorio y modelos de memoria a corto plazo, etc.) y modelos estadísticos (p. modelos de regresión y análisis de supervivencia con análisis univariante y multivariante) basados ​​en características respiratorias y hemodinámicas para predecir exacerbaciones y deterioro en 60 pacientes con enfermedades cardiopulmonares. Los puntos finales de esta colaboración incluyen lo siguiente:

1. Validar la hipótesis del uso de biomarcadores respiratorios en modelos (independientes de la enfermedad y específicos de la enfermedad) para predecir las exacerbaciones: se debe realizar una evaluación comparativa versus cuestionarios de seguimiento y llamadas telefónicas.
2. Para validar el nivel de cumplimiento, la tasa de abandono y si se requieren medidas adicionales para lograr que los pacientes realicen un seguimiento