Fremtidens intelligente intensivavdeling

Smerte er et kritisk nasjonalt helseproblem med nesten 50 % av kritiske pasienter opplever betydelig smerte på intensivavdelingen (ICU). Undervurderingen av smerterespons er en av de primære barrierene for adekvat behandling av smerte hos kritisk syke pasienter, assosiert med mange negative utfall som kroniske smerter etter utskrivning, forlenget mekanisk ventilasjon, lengre ICU-opphold og økt dødelighetsrisiko. Ikke desto mindre er mange ICU-pasienter ikke i stand til å selvrapportere smerteintensitet på grunn av kliniske forhold, ventilasjonsutstyr og endret bevissthet. For tiden brukes atferdssmerteskalaer for å vurdere smerte hos ikke-verbale pasienter. Dessverre krever disse vektene gjentatt manuell administrasjon av overbelastede sykepleiere. Videre antyder tidligere arbeid at sykepleiere som tar seg av kvasisederte pasienter i kritiske omsorgsmiljøer har betydelig variasjon i smerteintensitetsvurderinger. Videre mangler manuelle smertevurderingsverktøy evnen til å overvåke smerte kontinuerlig og autonomt. Sammen peker disse utfordringene på et kritisk behov for å utvikle objektive og autonome smertegjenkjenningssystemer.

Delirium er en annen vanlig komplikasjon ved sykehusinnleggelse som utgjør betydelige helseproblemer hos innlagte pasienter. Det er mest utbredt hos kirurgiske ICU-pasienter med diagnoserater på opptil 80 %. Det er preget av endringer i kognisjon, aktivitetsnivå, bevissthet og årvåkenhet. Delirium fører vanligvis til endringer i aktivitetsnivå og årvåkenhet som utgjør ytterligere helserisiko, inkludert risiko for fall, utilstrekkelig mobilisering, forstyrret søvn, utilstrekkelig smertekontroll og negative følelser. Alle disse effektene er vanskelige å overvåke i sanntid og bidrar ytterligere til forverring av pasientens kognitive evner, hemmer restitusjon og bremser rehabiliteringsprosessen. Selv om omtrent en tredjedel av deliriumtilfellene kan dra nytte av intervensjon, er det fortsatt svært begrenset å oppdage og forutsi delirium i praksis. Nåværende Delirium-vurderinger må utføres av opplært helsepersonell, er tidkrevende og ressurskrevende. På grunn av ressursene som er nødvendige for å fullføre vurderingen, vurderes delirium ofte to ganger per dag, til tross for den forbigående karakteren av sykdomstilstanden som kan komme og gå uoppdaget mellom vurderingene. Sammen viser disse hindringene et stort behov for autonom deliriumdeteksjon i sanntid.

Etterforskerne antar at den foreslåtte modellen vil være i stand til å utnytte akselerometer-, elektromyografi- og videodata for autonomt å kvantifisere pasientens ansiktsuttrykk som smerte, karakterisering av funksjonelle aktiviteter og deliriumstatus. Å rasjonalisere den autonome kvantifiseringen av visuelle signaler og deliriumdeteksjon kan redusere sykepleiernes arbeidsmengde og muliggjøre overvåking av smerte og delirium i sanntid. Tidlig påvisning av delirium gir pasienter den beste sjansen for gode deliriumbehandlingsresultater.