Bewaking op afstand van hoogrisicopatiënten met chronische hart- en vaatziekten

Exacerbaties van chronische cardiopulmonale aandoeningen zijn wereldwijd een belangrijke oorzaak van morbiditeit en mortaliteit. Wereldwijd zijn er naar schatting 23 miljoen patiënten met hartfalen, en de prevalentie van hartfalen in de Verenigde Staten zal naar verwachting de komende vier decennia stijgen met naar schatting 772.000 nieuwe gevallen van hartfalen in het jaar 2040. Exacerbaties van chronische luchtwegaandoeningen kunnen de achteruitgang van de longfunctie versnellen en de overleving verminderen. Ze kunnen ook leiden tot een aanzienlijke stijging van de kosten van de gezondheidszorg. Exacerbaties van chronische obstructieve longziekte (COPD) zijn een belangrijke oorzaak van heropnames met een 30-dagen heropnamepercentage van ongeveer 20% en daaropvolgende uitgaven van US $ 15 miljard aan jaarlijkse uitgaven voor gezondheidszorg. Cystic fibrosis (CF), een genetische aandoening die de klaring en secreties van de luchtwegen beïnvloedt, heeft een heropnamepercentage van ongeveer 11% na 30 dagen.

Vanwege de hoge kosten van ziekenhuisverblijven en bezoeken aan de spoedeisende hulp, en vooral in de context van de COVID-19-pandemie, zijn kosteneffectievere beheersmodellen buiten het ziekenhuis steeds aantrekkelijker geworden. Dergelijke modellen bieden niet alleen kostenvoordelen voor patiënten, betalers en ziekenhuizen, maar vergroten ook de mogelijkheid om mensen thuis te verzorgen.

Ademhalingsvariabelen blijken een van de meest gevoelige indicatoren te zijn voor COPD-exacerbatie en er is een significante correlatie waargenomen tussen ademhalingsfrequentie en COPD-symptomen. In combinatie met hartslag en zuurstofverzadiging bieden deze variabelen een nuttige methode om exacerbaties te identificeren. De huidige analytische modellen zijn ontworpen om alarmen te activeren, die over het algemeen gebaseerd zijn op traditionele door drempels gestuurde analyses. Dergelijke methoden zijn niet in staat om trends te identificeren en te herkennen vanwege de beperkte toegang tot geavanceerde analyses (bijvoorbeeld methoden voor machinaal leren). Het apparaat dat voor gebruik in dit onderzoek wordt voorgesteld, meet de ademhalingsfrequentie, de inspiratoire: expiratoire (I:E) ratio, ademhalingsdiepte, hartslag, SpO2, SpO2-variabiliteit, beweging van de patiënt, en de onderzoekers zullen machine learning en gegevensmodellering gebruiken om hun trends in de tijd.

Het draagbare biometrische platform ('Ademhalingssensor' genoemd), ontwikkeld door het Institute of Bioengineering & Bioimaging (IBB), A*STAR, moet op de borst worden gedragen via een kleefpleister van medische kwaliteit. De ademhalingssensor bevat een niet-invasieve sensor die een versnellingsmeter en op licht gebaseerde methoden combineert om uitzetting van de borstwand of ademhaling te detecteren.

De Ademhalingssensor maakt het mogelijk aanvullende ademhalingsinformatie te verzamelen (ademhalingsfrequentie, relatieve getijdediepte en werkcyclus) als voorspellers voor exacerbatie van chronische cardiopulmonale ziekten en misschien verbetering van geavanceerde analytische modellen die een betere gevoeligheid en specificiteit kunnen bieden in vergelijking met traditionele modellen (bijv. klinische dagboeken). Uiteindelijk kan dit een vroege voorspelling van poliklinische exacerbaties mogelijk maken om vroegtijdige interventie en minder heropnames mogelijk te maken (via interventies op afstand).

In dit project wil het Institute of Bioengineering & Bioimaging (IBB), A*STAR graag samenwerken met het Massachusetts General Hospital om patiëntgegevens te aggregeren en zijn software-algoritme verder te ontwikkelen met behulp van machine learning (bijv. random forest-modellen en lange-kortetermijngeheugenmodellen etc.) en statistische modellen (bijv. regressiemodellen en overlevingsanalyse met univariate en multivariate analyse) op basis van respiratoire kenmerken en hemodynamica voor het voorspellen van exacerbaties en verslechtering bij 60 patiënten met cardiopulmonale aandoeningen. De eindpunten van deze samenwerking omvatten het volgende:

1. De hypothese valideren van het gebruik van op de ademhaling gebaseerde biomarkers in modellen (ziekte-agnostisch en ziektespecifiek) om exacerbaties te voorspellen - benchmarking moet worden gedaan versus vervolgvragenlijsten en telefoontjes
2. Om de mate van therapietrouw, het aantal uitvallers te valideren en of er aanvullende maatregelen nodig zijn om patiënten te laten opvolgen