CogMe voor de preventie en vroege detectie van delirium (CogMe)

Delirium is een syndroom dat wordt gedefinieerd als een acute stoornis van zowel het bewustzijn als de cognitie die in de loop van de tijd neigt te fluctueren en wordt veroorzaakt door de fysiologische gevolgen van een medische aandoening. Het is een veel voorkomende aandoening in acute zorgomgevingen, op afdelingen voor interne geneeskunde, bij postoperatieve patiënten en op de intensive care. Delirium wordt in verband gebracht met verhoogde mortaliteit, langer verblijf in het ziekenhuis, langdurige cognitieve stoornissen en hogere zorgkosten. De pathofysiologie van delirium is multifactorieel en wordt niet volledig begrepen.

De prevalentie van delirium neemt toe met de leeftijd en komt zeer vaak voor bij oudere gehospitaliseerde patiënten. Op bepaalde afdelingen kan het delirium oplopen tot meer dan 40%. Delier wordt echter in bijna tweederde van de gevallen ondergediagnosticeerd of verkeerd gediagnosticeerd als depressie of dementie. Verder is eerder aangetoond dat de diagnose delier vaak laat wordt gesteld en dat de herkenning en documentatie van delier door artsen en verpleegkundigen verre van optimaal is. Vroege diagnose van delirium kan de klinische uitkomst verbeteren, met een kortere duur van de symptomen, een kortere opnameduur en minder complicaties op de lange termijn.

Klinische studies hebben aangetoond dat delirium in tot een derde van de gevallen kan worden voorkomen door middel van niet-farmacologische multifactor-interventies, maar ze kunnen kostbaar zijn om te implementeren en vereisen speciaal opgeleid personeel. Bovendien houden ze meestal geen rekening met fysiologische parameters.

Drie recente technologische ontwikkelingen bieden nu kansen voor een nieuwe benadering van deliriumpreventie. Ten eerste is de afgelopen jaren het monitoren van vitale functies met draagbare sensoren, aangedreven door geavanceerde verwerkingsalgoritmen, technisch haalbaar geworden. Deze ontwikkeling kan kansen bieden voor vroege detectie van delirium en voor detectie van fysiologische triggers van delirium, zoals uitdroging, infecties en slaapgebrek. Ten tweede, recente ontwikkelingen in virtuele dialoogsystemen (bijv. Amazon's Alexa of Apple's Siri) bieden nieuwe en opwindende mogelijkheden voor automatische patiëntinteractie. Apparaten met spraak- of multimodale communicatie kunnen worden gebruikt door oudere patiënten met weinig of geen ervaring met moderne mobiele technologie. Ten slotte maken recente vorderingen op het gebied van gedigitaliseerde data-acquisitie, computerinfrastructuur en ontwikkeling van algoritmen het nu mogelijk om kunstmatige intelligentie en machine learning-toepassingen uit te breiden naar gebieden in de geneeskunde waarvan voorheen werd gedacht dat ze alleen voorbehouden waren aan menselijke experts. De combinatie van deze drie gegevensbronnen kan de huidige voorspellingsmodellen aanzienlijk verbeteren en een eerdere en nauwkeurigere voorspelling van delirium mogelijk maken.

Een geautomatiseerd systeem dat kan helpen bij het opsporen van delirium en clinici kan waarschuwen voor een mogelijk begin van het syndroom, kan de behandeling en resultaten voor patiënten aanzienlijk verbeteren. Het CogMe-systeem maakt gebruik van de huidige technologie om een ​​holistische en schaalbare benadering te bieden voor de voorspelling, detectie en preventie van delirium, waarbij zowel fysiologische als cognitieve aspecten aan bod komen. Het systeem maakt gebruik van wearables voor het bewaken van fysiologische vitale functies en communiceert met patiënten via een speciale tablet-app: de CogMe Personal Assistant (PA). In deze studie zullen de gegevens verzameld door de wearables en de CogMe PA, in combinatie met patiëntgegevens van de EMR, retrospectief worden geanalyseerd met behulp van machine learning-technieken (CogMe Data Analytics) om het vermogen van het CogMe-systeem om delirium te voorspellen en te detecteren te evalueren. .