Intelligente ICU van de toekomst

Pijn is een kritiek nationaal gezondheidsprobleem: bijna 50% van de patiënten op de intensive care ervaart aanzienlijke pijn op de Intensive Care (ICU). De onderschatting van de pijnrespons is een van de belangrijkste belemmeringen voor de adequate behandeling van pijn bij ernstig zieke patiënten, geassocieerd met veel negatieve uitkomsten zoals chronische pijn na ontslag, langdurige mechanische beademing, langer verblijf op de IC en verhoogd sterfterisico. Desalniettemin zijn veel IC-patiënten niet in staat om zelf de pijnintensiteit te rapporteren vanwege klinische omstandigheden, beademingsapparatuur en veranderd bewustzijn. Momenteel worden gedragspijnschalen gebruikt om pijn bij non-verbale patiënten te beoordelen. Helaas vereisen deze weegschalen herhaaldelijke handmatige toediening door overbelaste verpleegkundigen. Bovendien suggereert eerder werk dat verpleegkundigen die voor quasi-sedatie patiënten zorgen in intensive care-omgevingen een aanzienlijke variabiliteit hebben in pijnintensiteitsbeoordelingen. Bovendien missen handmatige pijnbeoordelingstools de mogelijkheid om pijn continu en autonoom te monitoren. Samen wijzen deze uitdagingen op een cruciale behoefte aan het ontwikkelen van objectieve en autonome pijnherkenningssystemen.

Delirium is een andere veel voorkomende complicatie van ziekenhuisopname die aanzienlijke gezondheidsproblemen veroorzaakt bij gehospitaliseerde patiënten. Het komt het meest voor bij chirurgische ICU-patiënten met diagnosepercentages tot 80%. Het wordt gekenmerkt door veranderingen in cognitie, activiteitsniveau, bewustzijn en alertheid. Delirium leidt doorgaans tot veranderingen in activiteitsniveau en alertheid die extra gezondheidsrisico's met zich meebrengen, waaronder het risico op vallen, onvoldoende mobilisatie, verstoorde slaap, onvoldoende pijnbeheersing en negatieve emoties. Al deze effecten zijn moeilijk in real-time te volgen en dragen verder bij tot een verslechtering van de cognitieve vermogens van de patiënt, belemmeren het herstel en vertragen het revalidatieproces. Hoewel ongeveer een derde van de deliergevallen baat kan hebben bij interventie, is het opsporen en voorspellen van delier in de praktijk nog zeer beperkt. De huidige Delirium-beoordelingen moeten worden uitgevoerd door opgeleid zorgpersoneel, zijn tijdrovend en arbeidsintensief. Vanwege de middelen die nodig zijn om de beoordeling te voltooien, wordt delirium vaak twee keer per dag beoordeeld, ondanks de voorbijgaande aard van de ziektetoestand die tussen de beoordelingen door onopgemerkt kan komen en gaan. Gezamenlijk tonen deze obstakels aan dat er een grote behoefte is aan real-time autonome deliriumdetectie.

De onderzoekers veronderstellen dat het voorgestelde model gebruik zou kunnen maken van versnellingsmeter-, elektromyografische en videogegevens voor het autonoom kwantificeren van gezichtsuitdrukkingen van patiënten, zoals pijn, het karakteriseren van functionele activiteiten en de deliriumstatus. Door te rationaliseren dat autonome kwantificering van visuele aanwijzingen en deliriumdetectie de werkdruk van verpleegkundigen kan verminderen en real-time pijn- en deliriummonitoring mogelijk kan maken. Vroege detectie van delirium biedt patiënten de beste kans op goede behandelresultaten voor delirium.