다중 입원 COPD 환자의 원격 모니터링 프로그램에서 인공 지능의 영향

원격 모니터링 프로그램은 특히 만성 질환에서 전통적인 환자 통제 시스템의 대안입니다. 이러한 종류의 도구는 인구의 고령화, 만성 질환의 증가 및 그에 따른 의료 시스템 유지 비용의 증가 때문에 중요합니다. 한편, 요즘 이러한 만성 환자들은 악화로 인해 특히 응급 상황 및 입원, 그리고 환자가 안정적일 때 대면 예약 상담에 참석합니다. 그렇다면 진료, 관리, 비용 측면에서 세심한 주의가 필요하다.

COPD(만성 폐쇄성 폐질환)는 매우 흔한 질병입니다. 게다가 위생 자원과 비용이 많이 소모되며 그 중 50%는 입원으로 인한 것입니다.

또한 COPD의 악화, 특히 중증 악화는 환자에게 중요한 결과를 초래합니다(폐 기능 감소, 삶의 질 악화 및 사망률 증가).

그렇기 때문에 원격 모니터링은 이러한 환자의 통제를 개선하고 자원 소비를 개선하는 솔루션으로 보입니다. 스페인 갈다카오 병원에서는 병원에 재입원한 COPD 환자에 대한 원격 모니터링 프로그램을 시작했습니다. 주요 목표는 COPD 악화로 인한 재입원을 줄이는 것이었고 위생 자원 사용(입원, 응급실 방문, 재입원 및 평균 체류 일수)의 상당한 감소를 입증할 수 있었습니다. 또한 중증 환자에서 임상 증상과 삶의 질이 덜 악화되는 것으로 나타났습니다.

그러나 만성질환에서 매우 중요한 세 가지 요소가 있습니다. 고령화 인구의 증가, 만성질환자의 증가, 빠른 기술 발전, 특히 기억 및 정보 처리 시스템입니다.

ML(Machine Learning)은 de Artificial Intelligence의 가장 중요한 부분이며 그 목적은 컴퓨터의 학습입니다. 컴퓨터는 우리가 해결 방법을 모르는 문제를 해결하기 위해 자체 프로그램을 작성합니다. 의료 시나리오에서 예측하는 것과 같이 작업이 어려운 경우 ML 알고리즘은 학습을 위해 많은 양의 날짜가 필요합니다. 대부분의 의료 데이터베이스는 데이터 누락, 잘못된 값 등 사람의 개입으로 인한 불편함을 안고 있습니다. 그 때문에 원격 의료 기반 프로그램은 ML 알고리즘을 위한 이상적인 플랫폼으로 보입니다. 원격의료 시스템은 일반적으로 수집된 데이터를 전자적 방식으로 주기적으로 생성하고 이를 데이터베이스에 직접 저장하기 때문이다. 이러한 날짜의 지속적인 흐름과 기억 및 저장에 대한 사람들의 낮은 참여는 ML 알고리즘이 최상의 예측을 수행하는 데 사용할 수 있는 데이터베이스에 고품질을 제공합니다.

그 때문에 TelEPOC(Galdakao 병원의 COPD 코호트의 원격 모니터링 프로그램)는 생성된 데이터의 품질과 양, 그리고 유틸리티로 인해 데이터에서 ML 알고리즘을 사용하는 최상의 옵션인 것으로 나타났습니다. 임상 실습에서 이러한 예측의.

이 상황에서 문제는 조사관이 악화를 예상할 수 있는지 또는 악화 징후를 얼마나 예상할 수 있는지입니다. 이 가설을 테스트하기 위해 여기에 인공 지능(ML)을 사용하는 프로젝트가 제시됩니다.

조사자들은 이전에 유망한 결과를 제공한 이 시스템에 대한 테스트를 수행했습니다. 이 프로토타입은 TelEPOC 프로그램이 이전에 수집한 소급 데이터로 훈련되었으며 Random Forests라는 ML 알고리즘을 기반으로 합니다. 이 프로브를 사용하여 그들은 0.8의 ROC 곡선(수신기 작동 특성 곡선)을 얻었고 다음 3일 동안 악화될 것으로 예측했습니다. 현재 Galdakao 병원에서는 TelEPOC 프로그램에서 ML 시스템을 개발하고 있습니다. 그 목적은 경보(악화)를 예상하는 것입니다.

이 목적을 위해 연구자들은 예를 들어 다음과 같이 조사할 수 있는 많은 추가 질문을 고려합니다. 이 기술이 일기 임상 실습에 어떻게 영향을 미칠 수 있습니까? 이 프로젝트에서 ML을 사용하면 임상 지원에 초점을 맞추는 방식을 변경할 수 있습니다. 환자의 진화를 예측할 수 있는 도구가 있습니다. 또 다른 질문은 조사관이 악화를 예상하는 경우 COPD 악화를 둘러싼 병원성 기반(염증 매개체)을 변경할 수 있다는 것입니다.

수사관들은 COPD 및 만성 질환 분야의 선구자처럼 이 이니셔티브를 고려합니다.