Passiivinen arviointi tekoälykliinikon sepsiksen hoidon tukijärjestelmän toimintaympäristössä

Sepsis on vakavasta infektiosta johtuva hengenvaarallinen elinten toimintahäiriö, ja se vaikuttaa Yhdistyneessä kuningaskunnassa vuosittain 250 000 potilaaseen (pre-COVID-19), joista 48 000 kuolee. Lisäksi lähes kaikissa COVID-19 tehohoitoyksiköissä (ICU) kuolleissa oli sepsis. Se on yleisin kuolinsyy ja kallein sairaaloissa hoidettava sairaus. James Lind Alliance tunnusti sen tutkimuksen tärkeimmäksi painopisteeksi, potilaiden ja kliinikkojen kumppanuus priorisoi NHS:n kiireellisimmät vastaamattomat kysymykset.

Sepsiksen elvyttämisen kulmakivi on suonensisäisten nesteiden ja/tai vasopressoreiden (verisuonia puristavien lääkkeiden ja verenpaineen nostamiseksi) antaminen verenkierron ylläpitämiseksi elinten vajaatoiminnan estämiseksi. Näiden lääkkeiden yksilölliseen annostukseen yksittäiselle potilaalle liittyy kuitenkin valtavaa epävarmuutta, mikä johtuu osittain sepsiksen suuresta heterogeenisyydestä. Nykyiset suuntaviivat antavat suosituksia väestötasolla, mutta eivät yksilöi päätöksiä. Väärät päätökset johtavat huonompiin tuloksiin ja lisääntyneeseen teho-osaston resurssien käyttöön. Työkalu näiden lääkkeiden mukauttamiseen voisi parantaa potilaan selviytymistä.

Tutkimusryhmä on kehittänyt uuden menetelmän, jonka avulla voidaan automaattisesti ja jatkuvasti tarkistaa ja suositella lääkäreille näiden lääkkeiden oikeaa annosta. Se luotiin tekoälyn (AI) tekniikoilla, joita sovelletaan suuriin lääketietokantoihin. Käytettyä menetelmää kutsutaan vahvistusoppimiseksi. Tässä yhteydessä tutkimuksessa mallinnetaan teho-osastolla sepsispotilaita, jotka kuuluvat suureen joukkoon mahdollisia sairaustiloja, ja analysoidaan, mitkä interventiot todennäköisesti auttavat heitä siirtymään terveempään tilaan ja lopulta selviytymään. Tutkijat osoittivat alkuperäisessä julkaisussaan, että tekoälyn valitun strategian arvo oli keskimäärin luotettavasti korkeampi kuin kliinikoilla. Suuressa koulutustiedoista riippumattomassa validointikohortissa kuolleisuus oli alhaisin potilailla, joilla kliinikon todelliset annokset vastasivat tekoälypäätöksiä: kuolleisuus nousi annosriippuvaisesti, kun lääkärien todelliset päätökset poikkesivat tekoälypäätöksistä. Tutkimusryhmä on arvioinut, että heidän tekoälyalgoritminsa voisi vähentää kuolleisuutta 10 % (suhteellisesti), mikä edustaa yli 1 000 pelastettua ihmishenkeä vuosittain Isossa-Britanniassa ja skaalautuisi satoihin tuhansiin ihmishenkiin maailmanlaajuisesti. Nyt tutkimusryhmä aikoo aloittaa tämän tekoälytekniikan kliinisen testauksen Isossa-Britanniassa.

Suunniteltu lopputuote on ohjelmisto, joka on kliinikoiden (alkuvaiheessa teho-osaston lääkäreiden, sitten myöhemmin myös teho-osaston sairaanhoitajien) saatavilla tehohoidon sängyn vieressä. Tämä ohjelmisto yhdistetään sähköiseen potilastietueeseen, joka syötetään AI-algoritmiin. Vastineeksi tekoäly tunnistaa, missä potilas istuu mahdollisten sairaustilojen joukossa ja mitkä toimet (annos suonensisäisiä nesteitä ja vasopressoreita) ovat todennäköisimmin hyödyllisiä.

Ensinnäkin tutkimusryhmä kehittää tämän ohjelmistotyökalun, joka pystyy käsittelemään potilastietoja NHS-sairaaloiden sähköisessä potilasrekisterissä reaaliajassa ehdottaakseen toimintatapaa. Tutkimus aloitetaan arvioimalla ja jalostamalla tätä työkalua simulaatiotutkimuksissa. Tutkimusryhmä testaa sitten tekoälytyökalua kahdessa NHS Trustissa "varjotilassa", kun tulosta ei toimiteta potilaiden hoidosta vastaaville kliinikoille. Tämä mahdollistaa tekoälyjärjestelmän tekemien todellisten päätösten ja suositeltujen päätösten vertailun. Kliinisen arvioinnin toisessa vaiheessa tutkimusryhmä näyttää suosituksia kliinikoille, jotta he voivat arvioida työkalun hyväksyttävyyttä kliinikoille ja vahvistaa myös teknisen toteutettavuuden tiedottaa tulevissa laajamittaisissa kliinisissä tutkimuksissa.

Tämän hankkeen pitkän aikavälin odotetut hyödyt ovat lukuisia: potilaiden eloonjäämisen paraneminen, arvokkaiden tehohoidon resurssien väheneminen ja terveydenhuollon kustannusten väheneminen.