Maskinlæringsprediksjon av parametre for tidlig varslingspoeng i generelle avdelinger

Ved sykdom eller skade blir pasienter medisinsk utredet og initialt behandlet i akuttmedisinske poliklinikker, akuttmottak og operasjoner. Hvis det er medisinsk indisert, kan pleie og behandling også gis på sykehus. Avhengig av alvorlighetsgraden av sykdommen og det medisinske hovedproblemet, gis denne omsorgen på sykehusavdelinger, som primært ivaretas av spesifikke spesialistdisipliner og tildeles dem i form av for eksempel kliniske avdelinger.

Som en del av døgnoppholdet gis behandling og omsorg vanligvis gjennom avdelingsrunder av det medisinske personalet. Men avdelingsrunder er stikkprøver av individuelle måleverdier på forhåndsdefinerte tidspunkter.

Kvalifisert pleiepersonell gjennomfører avtalte behandlingsplaner og kontrollerer pasientens allmenntilstand flere ganger daglig. I motsetning til intensiv medisinsk overvåking, er det imidlertid ingen kontinuerlig overvåking, og derfor er en forverring av en pasients tilstand ikke alltid umiddelbart synlig. Videre, i tillegg til kjente komplikasjoner av eksisterende tilstander, kan det også oppstå nye eller uventede komplikasjoner.

Selv om ikke-intensiv overvåking er basert på diskontinuerlig overvåking, kan hendelser og komplikasjoner noen ganger være livstruende, spesielt hvis det ikke er noen umiddelbar respons på en forverring av pasientens tilstand. Selv om det finnes tidlige varslingssystemer som skårer, er deres reaksjonsevne begrenset, blant annet på grunn av hyppigheten de samles inn med.

I tillegg til pasientspesifikke begrensninger ved døgnovervåking, som pasientsamarbeid i betydningen egenovervåking, medisinske begrensninger, som hyppigheten av undersøkelsen, er det også økonomiske begrensninger, som tilgjengeligheten av personale som kan utplasseres for hyppigere overvåking.

Selv om det finnes telemedisinske tilnærminger til overvåking, er oppsett av disse ofte begrenset både økonomisk og av den ekstra opplæringen som kreves, for eksempel.

Selv om terskelverdier er (eller kan defineres) for de målte dataene (vitale tegn, laboratorieparametere, klinisk inntrykk og annet), dersom disse overskrides eller ikke nås, vil en konsekvens, f.eks. et terapitrinn, kan bare initieres retrospektivt. I denne situasjonen er en patofysiologisk endring allerede så langt fremmet at en kompensasjonsmekanisme i mange tilfeller ikke lenger fungerer tilstrekkelig og går over i en dekompensasjonssituasjon. I denne situasjonen er de berørte pasientene på en sykehusavdeling potensielt i livsfare.

En måte å avverge farene beskrevet ovenfor kan være å bruke en redusert kombinasjon av overvåkingsmetoder sammenlignet med intensivovervåking. Samtidig muliggjør bruk av kunstig intelligens den automatiserte evalueringen av de innsamlede dataene og kan dermed føre til prediksjon av endringer i parametere, som muliggjør tidlig varsling, dvs. før forekomsten av patofysiologisk dekompensasjon.