CogMe for forebygging og tidlig påvisning av delirium (CogMe)

Delirium er et syndrom definert som en akutt forstyrrelse av både bevissthet og kognisjon som har en tendens til å svinge over tid og er forårsaket av de fysiologiske konsekvensene av en medisinsk tilstand. Det er en vanlig lidelse i akuttomsorgsmiljøer, på indremedisinske enheter, hos postoperative pasienter og intensivavdelingen. Delirium er assosiert med økt dødelighet, lengre sykehusopphold, langvarig kognitiv svikt og økte helsekostnader. Patofysiologien til delirium er multifaktoriell og er ikke fullstendig forstått.

Forekomsten av delirium øker med alderen og er svært vanlig hos eldre innlagte pasienter. I enkelte avdelinger kan deliriumraten nå over 40 %. Delirium er imidlertid underdiagnostisert i nesten to tredjedeler av tilfellene eller feildiagnostisert som depresjon eller demens. Videre er det tidligere vist at diagnosen delirium ofte er forsinket, og at gjenkjennelse og dokumentasjon av delirium hos leger og sykepleiere er langt fra optimal. Tidlig diagnose av delirium kan forbedre det kliniske resultatet, med kortere varighet av symptomer, redusert innleggelsestid og reduserte langtidskomplikasjoner.

Kliniske studier har vist at delirium kan forhindres i opptil en tredjedel av tilfellene ved multifaktorielle ikke-farmakologiske intervensjoner, men de kan være kostbare å implementere og krever spesialtrente medarbeidere. I tillegg tar de vanligvis ikke hensyn til fysiologiske parametere.

Tre nyere teknologiske fremskritt gir nå muligheter for en ny deliriumforebyggende tilnærming. For det første, i løpet av de siste årene har overvåking av vitale tegn med bærbare sensorer drevet av avanserte prosesseringsalgoritmer blitt teknisk mulig. Denne utviklingen kan gi muligheter for tidlig påvisning av delirium og for påvisning av fysiologiske triggere av delirium som dehydrering, infeksjoner og mangel på søvn. For det andre, nyere fremskritt innen virtuelle dialogsystemer (f.eks. Amazons Alexa eller Apples Siri) gir nye og spennende muligheter for automatisk pasientinteraksjon. Enheter med tale eller multimodal kommunikasjon kan brukes av eldre pasienter med liten eller ingen erfaring med moderne mobilteknologi. Til slutt, nyere fremskritt innen digitalisert datainnsamling, datainfrastruktur og utvikling av algoritmer, tillater nå kunstig intelligens og maskinlæringsapplikasjoner å utvide seg til områder innen medisin som tidligere ble antatt å være provinsen for menneskelige eksperter. Kombinasjonen av disse tre datakildene kan i stor grad forbedre dagens prediksjonsmodeller og tillate tidligere og mer nøyaktig deliriumprediksjon.

Et automatisert system som kan hjelpe med deliriumdeteksjon og varsle klinikere om mulig utbrudd av syndromet, kan i stor grad forbedre behandlingen og resultatene for pasienter. CogMe-systemet bruker dagens teknologi for å gi en helhetlig og skalerbar tilnærming for deliriumprediksjon, deteksjon og forebygging som dekker både fysiologiske og kognitive aspekter. Systemet bruker wearables for fysiologisk vitale overvåking og kommuniserer med pasienter ved hjelp av en dedikert nettbrettapp - CogMe Personal Assistant (PA). I denne studien vil dataene som samles inn av wearables og CogMe PA, i kombinasjon med pasientdata fra EMR, bli analysert retrospektivt ved hjelp av maskinlæringsteknikker (CogMe Data Analytics) for å evaluere evnen til CogMe-systemet til å forutsi og oppdage delirium .