Wszechobecne wykrywanie i sztuczna inteligencja w inteligentnym OIT

Niedoszacowanie bólu jest jedną z głównych barier w adekwatnym leczeniu bólu u pacjentów w stanie krytycznym i wiąże się z wieloma negatywnymi skutkami, takimi jak przewlekły ból po wypisaniu ze szpitala, przedłużona wentylacja mechaniczna, dłuższy pobyt na OIT i zwiększone ryzyko zgonu. Wielu pacjentów OIOM nie może samodzielnie zgłaszać natężenia bólu ze względu na stan kliniczny, urządzenia do wentylacji i zaburzenia świadomości. Monitorowanie stanu bólowego pacjentów to kolejne zadanie przepracowanych pielęgniarek, a ze względu na subiektywny charakter bólu oceny te mogą się różnić w zależności od personelu medycznego. Wyzwania te wskazują na krytyczną potrzebę opracowania obiektywnych i autonomicznych systemów rozpoznawania bólu. Delirium jest kolejnym powszechnym powikłaniem hospitalizacji pacjenta, które charakteryzuje się zmianami funkcji poznawczych, poziomu aktywności, świadomości i czujności i występuje u 80% pacjentów poddawanych zabiegom chirurgicznym. Czynniki ryzyka związane z majaczeniem obejmują wiek, istniejące wcześniej zaburzenia funkcji poznawczych, upośledzenie wzroku i słuchu, ciężką chorobę, odwodnienie, zaburzenia elektrolitowe, przedawkowanie leków, nadużywanie alkoholu i zaburzenia wzorców snu. Szacunki pokazują, że około jedna trzecia przypadków delirium może odnieść korzyści z profilaktyki i interwencji lekowej i nielekowej. Jednak wykrywanie i przewidywanie bólu i delirium jest nadal bardzo ograniczone w praktyce.

Celem tego badania jest ocena zdolności proponowanego przez badaczy modelu do wykorzystania akcelerometru, biomarkerów środowiskowych, biomarkerów rytmu okołodobowego i danych wideo do autonomicznej ilościowej oceny bólu, charakteryzowania czynności funkcjonalnych i stanu delirium. System Autonomous Delirium Monitoring and Adaptive Prevention (ADAPT) będzie wykorzystywać nowatorskie techniki wszechogarniającego wykrywania i głębokiego uczenia się w celu autonomicznej ilościowej oceny ruchliwości pacjentów i dyssynchronii okołodobowej pod względem nocnych zakłóceń, natężenia światła i poziomu ciśnienia akustycznego. Umożliwi to włączenie tych czynników ryzyka do dynamicznego modelu przewidywania trajektorii delirium. Dostępne na rynku kamery będą wykorzystywane do monitorowania wyrazu twarzy pacjentów i kontekstualizowania działań pacjentów poprzez dostarczanie danych obrazowych w celu dostarczenia dodatkowych informacji o ruchu pacjenta. Dostępne na rynku czujniki środowiskowe będą wykorzystywane do dostarczania danych na temat oświetlenia, poziomu decybeli i jakości powietrza. Próbki krwi pacjentów pomogą określić ich rytm dobowy oraz porównać i zweryfikować możliwości systemu czujników wszechobecnych w zakresie autonomicznego monitorowania dyssynchronii okołodobowej. Gromadzone będą również dane z elektronicznej dokumentacji medycznej.