Pervasive Sensing ja tekoäly älykkäässä tehohoitoyksikössä

Kivun aliarviointi on yksi tärkeimmistä esteistä kriittisesti sairaiden potilaiden kivun asianmukaiselle hoidolle, ja siihen liittyy monia negatiivisia seurauksia, kuten krooninen kotiutuksen jälkeinen kipu, pitkittynyt mekaaninen ventilaatio, pidempi tehohoitojakso ja lisääntynyt kuolleisuusriski. Monet tehohoitopotilaat eivät voi itse ilmoittaa kipunsa voimakkuutta kliinisen tilansa, hengityslaitteidensa ja muuttuneen tajunnan vuoksi. Potilaiden kivun tilan seuranta on jälleen ylityöllistettyjen sairaanhoitajien tehtävä, ja kivun subjektiivisuudesta johtuen arvioinnit voivat vaihdella hoitohenkilökunnan kesken. Nämä haasteet osoittavat kriittisen tarpeen kehittää objektiivisia ja itsenäisiä kivuntunnistusjärjestelmiä. Delirium on toinen yleinen potilaiden sairaalahoidon komplikaatio, jolle on ominaista muutokset kognitiossa, aktiivisuustasossa, tajunnassa ja valppaudessa, ja sitä esiintyy jopa 80 %:lla kirurgisilla potilailla. Deliriumiin yhdistettyjä riskitekijöitä ovat ikä, olemassa oleva kognitiivinen toimintahäiriö, näkö- ja kuulon heikkeneminen, vakava sairaus, nestehukka, elektrolyyttihäiriöt, ylilääkitys, alkoholin väärinkäyttö ja unihäiriöt. Arviot osoittavat, että noin kolmasosa deliriumtapauksista voi hyötyä huume- ja ei-huumeiden ehkäisystä ja interventioista. Kivun ja deliriumin havaitseminen ja ennustaminen on kuitenkin käytännössä vielä hyvin rajallista.

Tämän tutkimuksen tavoitteena on arvioida tutkijoiden ehdottaman mallin kykyä hyödyntää kiihtyvyysmittaria, ympäristön, vuorokausirytmin biomarkkereita ja videodataa kivun autonomisessa kvantifioinnissa, toiminnallisten toimintojen ja deliriumtilanteen määrittämisessä. Autonomous Delirium Monitoring and Adaptive Prevention (ADAPT) -järjestelmä käyttää uusia pervasiivisia tunnistus- ja syväoppimistekniikoita potilaan liikkuvuuden ja vuorokausivaihtelun dyssynkronian itsenäiseen kvantitointiin öisten häiriöiden, valon voimakkuuden ja äänenpainetason suhteen. Tämä mahdollistaa näiden riskitekijöiden integroinnin dynaamiseen malliin delirium-ratojen ennustamiseksi. Kaupallisesti saatavilla olevia kameroita käytetään potilaiden ilmeiden seuraamiseen ja potilaiden toimintojen kontekstualisointiin antamalla kuvantamistietoja, jotka tarjoavat lisätietoa potilaan liikkeistä. Kaupallisesti saatavia ympäristöantureita käytetään antamaan tietoja valaistuksesta, desibelitasosta ja ilmanlaadusta. Potilaiden verinäytteet auttavat määrittämään heidän vuorokausirytmiään sekä vertailemaan ja vahvistamaan pervasiivisen tunnistusjärjestelmän kykyjä valvoa autonomisesti vuorokausivaihtelua. Myös sähköisiä terveyskertomustietoja kerätään.