Uczenie maszynowe przewidywanie parametrów wyników wczesnego ostrzegania na oddziałach ogólnych

W przypadku choroby lub urazu pacjenci poddawani są ocenie lekarskiej i początkowo leczeni w ambulatoriach, izbach przyjęć i gabinetach lekarskich. Jeśli jest to wskazane ze względów medycznych, opiekę i leczenie można zapewnić również w szpitalu. W zależności od ciężkości choroby i głównego problemu zdrowotnego opieka ta sprawowana jest na oddziałach szpitalnych, którymi opiekują się przede wszystkim określone dyscypliny specjalistyczne i przydzielane są im np. w formie oddziałów klinicznych.

W ramach pobytu w szpitalu leczenie i opieka są zwykle zapewniane przez personel medyczny w drodze obchodów oddziału. Jednakże obchody to wyrywkowe kontrole poszczególnych zmierzonych wartości w określonych godzinach.

Wykwalifikowany personel pielęgniarski kilka razy dziennie realizuje ustalony plan leczenia i sprawdza stan ogólny pacjenta. Jednak w przeciwieństwie do intensywnego monitorowania medycznego, nie ma tu mowy o ciągłym monitorowaniu i dlatego pogorszenie stanu pacjenta nie zawsze jest od razu widoczne. Ponadto, oprócz znanych powikłań istniejących schorzeń, mogą również wystąpić nowe lub nieoczekiwane powikłania.

Chociaż monitorowanie w trybie nieintensywnej terapii opiera się na monitorowaniu nieciągłym, incydenty i powikłania mogą czasami zagrażać życiu, zwłaszcza jeśli nie ma natychmiastowej reakcji na pogorszenie stanu pacjenta. Nawet jeśli istnieją systemy wczesnego ostrzegania, takie jak wyniki, ich zdolność reagowania jest ograniczona, częściowo ze względu na częstotliwość, z jaką są gromadzone.

Oprócz specyficznych dla pacjenta ograniczeń monitorowania szpitalnego, takich jak współpraca pacjenta w sensie samokontroli, ograniczeń medycznych, takich jak częstotliwość badań, istnieją również ograniczenia ekonomiczne, takie jak dostępność personelu, który można oddelegować do częstszego monitorowania.

Chociaż istnieją telemedyczne podejścia do monitorowania, ich konfiguracja jest często ograniczona zarówno ze względów ekonomicznych, jak i na przykład ze względu na wymagane dodatkowe szkolenie.

Nawet jeśli dla mierzonych danych (oznaczeń życiowych, parametrów laboratoryjnych, wrażenia klinicznego i innych) są zdefiniowane wartości progowe, ich przekroczenie lub nieosiągnięcie może skutkować np. etap terapii, można rozpocząć jedynie retrospektywnie. W tej sytuacji zmiana patofizjologiczna jest już na tyle zaawansowana, że ​​w wielu przypadkach mechanizm kompensacyjny przestaje działać prawidłowo i przechodzi w sytuację dekompensacyjną. W tej sytuacji dotknięci pacjenci przebywający na oddziale szpitalnym są potencjalnie w śmiertelnym niebezpieczeństwie.

Jednym ze sposobów uniknięcia opisanych powyżej zagrożeń może być zastosowanie ograniczonej kombinacji metod monitorowania w porównaniu z monitorowaniem na intensywnej terapii. Jednocześnie zastosowanie sztucznej inteligencji pozwala na automatyczną ocenę zebranych danych, a tym samym może prowadzić do przewidywania zmian parametrów, co pozwala na wczesne zaalarmowanie, tj. przed wystąpieniem dekompensacji patofizjologicznej.