미래의 지능형 ICU

통증은 중환자의 거의 50%가 중환자실(ICU)에서 심각한 통증을 경험하는 중대한 국가적 건강 문제입니다. 통증 반응의 과소 평가는 중환자의 적절한 통증 치료에 대한 주요 장벽 중 하나이며 퇴원 후 만성 통증, 장기간의 기계 환기, 더 긴 ICU 체류 및 사망 위험 증가와 같은 많은 부정적인 결과와 관련이 있습니다. 그럼에도 불구하고 많은 ICU 환자는 임상 조건, 환기 장치 및 의식 변화로 인해 통증 강도를 자가 보고할 수 없습니다. 현재 행동 통증 척도는 비언어적 환자의 통증을 평가하는 데 사용됩니다. 불행하게도 이러한 저울은 과중한 간호사의 반복적인 수동 관리를 필요로 합니다. 더욱이, 이전 작업은 중환자실에서 준진정 환자를 돌보는 간호사가 통증 강도 등급에 상당한 변동성을 가지고 있음을 시사합니다. 또한 수동 통증 평가 도구는 통증을 지속적이고 자율적으로 모니터링하는 기능이 부족합니다. 함께, 이러한 과제는 객관적이고 자율적인 통증 인식 시스템 개발에 대한 중요한 필요성을 지적합니다.

섬망은 입원 환자에게 심각한 건강 문제를 일으키는 또 다른 일반적인 입원 합병증입니다. 진단율이 최대 80%인 외과적 ICU 환자에서 가장 흔합니다. 인지, 활동 수준, 의식 및 주의력의 변화가 특징입니다. 섬망은 일반적으로 낙상의 위험, 부적절한 이동, 수면 장애, 부적절한 통증 조절 및 부정적인 감정을 포함하여 추가적인 건강 위험을 초래하는 활동 수준 및 주의력의 변화로 이어집니다. 이러한 모든 효과는 실시간으로 모니터링하기 어려우며 환자의 인지 능력 악화, 회복 억제, 재활 과정 지연에 기여합니다. 섬망 사례의 약 1/3이 개입으로 혜택을 볼 수 있지만 실제로 섬망을 감지하고 예측하는 것은 여전히 ​​매우 제한적입니다. 현재 섬망 평가는 훈련된 의료 직원이 수행해야 하며 시간이 많이 걸리고 자원 집약적입니다. 평가를 완료하는 데 필요한 자원으로 인해, 평가 사이에 감지되지 않고 나타날 수 있는 질병 상태의 일시적 특성에도 불구하고 섬망은 종종 하루에 두 번 평가됩니다. 공동으로 이러한 장애물은 실시간 자율 섬망 감지에 대한 절실한 필요성을 보여줍니다.

연구자들은 제안된 모델이 통증, 기능적 활동 특성화 및 섬망 상태와 같은 환자의 얼굴 표정을 자율적으로 정량화하기 위해 가속도계, 근전도 및 비디오 데이터를 활용할 수 있을 것이라고 가정합니다. 자율적 시각 단서 정량화 및 섬망 감지를 합리화하면 간호사의 업무량을 줄이고 실시간 통증 및 섬망 모니터링을 가능하게 할 수 있습니다. 섬망의 조기 발견은 환자에게 좋은 섬망 치료 결과를 얻을 수 있는 최상의 기회를 제공합니다.