Perioperatiivinen älykellon seuranta komplikaatioiden ennustamiseksi (PreSmart)

Kirurgisten toimenpiteiden määrä kasvaa jatkuvasti maailmanlaajuisesti. Suuressa vatsan leikkauksessa on suuri komplikaatioriski sekä leikkauksen erityisluonteen että potilaan toimintavaroihin vaikuttavien erilaisten patologioiden vuoksi. Väestön ikääntyessä paksusuolen- ja peräsuolen leikkausta tarvitsevien määrän arvioidaan jatkavan kasvuaan. Potilaiden tunnistamiseksi, joilla on suuri riski saada leikkauksensisäisiä ja postoperatiivisia komplikaatioita, on kuvattu useita työkaluja, jotka perustuvat fyysisiin ominaisuuksiin (esim. Tarkistettu sydämen riskiindeksi, toimintakyvyn arviointi tai yksilöiden biologiset ominaisuudet). Kun potilas katsotaan olevan vaarassa, hänen intraoperatiivinen kulkunsa on mukautettava ja yksilöitävä komplikaatioiden vähentämiseksi. Tällaista preoperatiivista hallintaa tarjotaan harvoin joko varatun resurssin, käytettävissä olevan ajan tai epätäydellisen riskin jakautumisen vuoksi.

Viime vuosina lääketieteen digitalisoinnin edistysaskel, erityisesti Covid-19-pandemian jälkeen, on vähitellen tuotu potilaiden saataville. Teknologinen kehitys mahdollistaa nyt tarkan, jatkuvan tiedon keräämisen elintärkeistä parametreistä, joita lääketieteen maailma voi analysoida ja hyödyntää jo ennen kuin potilas nähdään konsultaatiossa.

Tällä hetkellä terveystietoja kerätään standardoidulla tavalla ennen leikkausta, johon sisältyy yleislääkäreiden tai erikoislääkäreiden suorittamia rutiinitutkimuksia varhaisessa vaiheessa tiedossa olevien tai havaittujen erityisongelmien varalta. Toisaalta valtaosa mittauksista on episodisia ja yksittäisiä, ja ne suoritetaan tilanteissa, jotka eivät välttämättä heijasta yksilöiden jokapäiväistä elämää (toimistolääketiede). Nykyään on olemassa teknologioita, jotka mahdollistavat digitaalisen tiedon keräämisen päivittäin, potilaan ympäristössä (kotihoito) ja jatkuvasti useiden päivien ajan. Digitaalisten biomarkkerien kerääminen pitkällä aikavälillä, ei-invasiivisesti ja etänä, mahdollistaa arvioinnin, joka heijastaa yksilön fysiologian päivittäistä todellisuutta, toisin kuin jaksottaiset mittaukset vieraassa ympäristössä.

Jatkuvasti kerätyn biolääketieteellisen tiedon saatavuudella yhdistettynä tiettyihin laitteisiin integroituihin sensoreihin (esim. kiihtyvyysmittarit), asiaankuuluvat tiedot kunkin yksilön erityisestä elämäntavasta voisivat mahdollistaa huomiopisteiden tunnistamisen, jotka mahdollisesti osoittavat erityisiä toiminnallisia rajoituksia. Tällä tavoin olisi mahdollista luoda yksilöstä digitaalinen klooni ja yksilöidä tarkemmin kunkin yksilön tarvitsemat vahvistusalueet ennen leikkausta. Lisäksi terveydenhuollon ammattilaisten pääsy tämäntyyppisiin tietoihin antaisi mahdollisuuden leikkausriskien paremman kerrostumiseen ja leikkaukseen valmistautumiseen. Tämä mahdollistaa näyttöön perustuvan personoidun lääketieteen harjoittamisen. Suuren riskin kirurgisille potilaille ennen leikkausta, intraoperatiivista ja postoperatiivista hoitoa voitaisiin optimoida ja personoida preoperatiivisessa vaiheessa kerättyjen tietojen mukaan. Esimerkiksi esikunnossapito-ohjelmaa ehdottamalla. Se mahdollistaisi myös optimaalisen leikkausikkunan paremman tunnistamisen.

Tutkimuksemme tavoitteena on analysoida leikkauspotilailta leikkausta edeltävänä aikana verkkokellon keräämiä terveystietoja ja selvittää näiden parametrien mahdollinen yhteys postoperatiivisten komplikaatioiden esiintymiseen. Haluamme tutkia näiden muuttujien ennustepotentiaalia.

Tämä yhdistetty preoperatiivinen seuranta voisi mahdollistaa komplikaatioille alttiiden yksilöiden tunnistamisen varhaisessa vaiheessa, ei-invasiivisesti, henkilökohtaisesti ja tavanomaisessa ympäristössään. Jokaiselle potilaalle tarkoitetut digitaaliset biomarkkerit avaavat oven yksilölliseen, täsmälliseen ja ennakoivaan lääketieteeseen, mikä mahdollistaa kunkin potilaan tarpeisiin räätälöidyn hoitoreitin ennen leikkausta.