Overvåking av dialysetilgang ved hjelp av et digitalt stetoskopbasert dyplæringssystem

Hemodialyse (HD) utføres gjennom en hemodialyse vaskulær tilgang, slik at pasientens blod kan fjernes fra pasienten, sirkuleres gjennom dialysemaskinen og deretter returneres til pasienten. HD vaskulær tilgang kan ha form av en arteriovenøs fistel (AVF), en arteriovenøs graft (AVG) eller et midlertidig eller permanent dialysekateter. På grunn av sin lave komplikasjonsfrekvens og gode levetid (holdbarhet), er AVF den foretrukne tilgangen; nåværende nyresykdomsutfall Kvalitetsforbedring "Fistula First"-anbefalingene er at enhver pasient med en estimert glomerulær filtrasjonshastighet på 25 ml/min bør gjennomgå AVF-opprettingskirurgi som forberedelse til eventuell HD.

Stadium IV er valgt som det optimale tidspunktet for AVF-oppretting, selv om pasienten ennå ikke trenger HD. Dette er fordi (1) det vanligvis tar ~8 uker å planlegge en pasient for kirurgi for opprettelse av AVF, (2) det tar ytterligere 12-16 uker etter opprettelse før AVF-en "modnes" og blir klar til bruk, og (3) så mange som 60 % av kirurgisk opprettede AVF-er ikke modnes i det hele tatt. Med tanke på tidsforsinkelsen til modning og det mulige behovet for å gripe inn på en tilgang som ikke modnes, kreves det en betydelig ledetid for å unngå å møte en pasient i stadium V CKD som trenger HD umiddelbart og deretter må ty til et tunnelert dialysekateter med alle medfølgende risikoer for infeksjon, trombose og sentral venestenose.

Å være i stand til å aktivt overvåke en AVF fra tidspunktet for kirurgisk opprettelse med en enhet som kan forutsi om den AVF vil mislykkes kontra moden, vil gi pasienter og deres leger mulighet til å bestemme mye tidligere for å gripe inn og sette den AVF "på sporet" igjen modning. Dette betyr at mange flere pasienter vil kunne starte HD ved behov ved å bruke sin AVF som dialysetilgang, og derfor redusere bruken av tunneldialysekatetre.

Denne typen overvåking krever imidlertid hyppige målinger for å spore progresjon mot modenhet. Ved å trene en AI/ML-algoritme til å analysere lydsignaler tatt opp fra pasientens begynnende AVF, kan algoritmen oppdage når en AVF er sannsynlig eller ikke modnes. Hvis den trenes riktig, bør den være i stand til å oppdage en "usannsynlig å modne" tilstand veldig tidlig etter operasjonen, kanskje til og med innen de to første ukene. Dette vil få pasientens lege til å vurdere intervensjon på AVF som vil øke sannsynligheten for modning og øke den totale modningshastigheten. Et digitalt, AI/ML-aktivert stetoskop, kanskje til og med brukt i pasientens hjem i fremtiden, kan enkelt lette det overvåkingskravet samt overføre relevant informasjon til pasientens lege slik at rettidig intervensjon kan ordnes.

Eko CORE er et FDA-godkjent og CE-merket elektronisk stetoskop. CORE tillater lydopptak av lunge-, hjerte- og andre kroppslyder. CORE har 40x lydforsterkning, reduksjon av omgivelsesstøy, en samplingsfrekvens på 4000 Hz og 3 lydfiltre. De avidentifiserte auskultatoriske CORE-lydopptakene overfører trådløst via Bluetooth til den sikre, HIPAA-kompatible Eko-applikasjonen på en smarttelefon eller nettbrett, som lar brukeren spille av lydopptak, kommentere notater på innspilt lyd og lagre opptak. Disse dataene synkroniseres i sanntid til en sikker, HIPAA-kompatibel, skybasert Amazon Web Services (AWS) databaseserver administrert av Eko Devices.

Denne prospektive, observerende, longitudinelle, proof of concept-studien vil registrere pasienter ved University of North Carolina (UNC) Kidney Center. Denne studien vil inkludere minimum 25, maksimalt 50, pasienter med nyresykdom i sluttstadiet (ESRD) i hemodialyseenheten (HDU) med modne AVF-er som dialyseres gjennom et tunnelert dialysekateter (TDC). Opptak vil bli tatt en gang i uken under pasientens HD-time. Varigheten av studien vil strekke seg fra registreringstidspunktet til ett av følgende inntreffer først: (a) avbrytelse av AVF, eller (b) 2 ukers måling etter dokumentasjon av vellykket kanylering definert av 2-nåls kanylering for 3 påfølgende dialyse behandlinger, eller (c) 6 måneders studiedeltakelse. Disse datasettene vil bli brukt til å utlede en AI/ML-modell for å forutsi sannsynligheten for at en ny AVF vil modnes eller mislykkes.