Algorytmy uczenia maszynowego i sztucznej inteligencji do optymalizacji wydajności i dostarczania ostrej dializy (SMART DIALYSIS)

Tło i uzasadnienie badania:

Ostra dializa jest wymagana u około 10-15% wszystkich pacjentów przyjętych na oddziały intensywnej terapii (OIT). Ostra dializa może przybierać formę ciągłej terapii nerkozastępczej (CRRT), przerywanej hemodializy (IHD) lub wolno-niskowydajnej dializy (SLED). Na całym świecie CRRT pozostaje dominującą formą ostrej dializy, przy czym ponad 75% ostrych dializ to CRRT.

Zastosowanie ostrej dializy w OIT wiąże się ze słabymi wynikami leczenia pacjentów. Pomimo postępu w technologii medycznej i opiece, śmiertelność utrzymuje się na poziomie 40-60%, co jest podobne do wyników obserwowanych w ciężkim ostrym zespole niewydolności oddechowej (ARDS). Dodatkowo, nawet gdy pacjenci przeżywają ciężką chorobę, do 10% pacjentów wymaga ciągłej długoterminowej terapii przewlekłej dializy. Ma to znaczący wpływ na jakość życia osób, które przeżyły ciężką chorobę, a także istotne skutki dla ich rodzin, często wymagając zmian w statusie pracy i mieszkania, a także przeprowadzki w miejsca bliżej ośrodków dializ. Skutkuje to nie tylko znacznymi kosztami opieki zdrowotnej i społecznymi (około 100 000 $/pacjent/rok w Albercie, Kanada), ale także bardzo istotnym obniżeniem jakości życia związanej ze zdrowiem tych pacjentów. Obecnie, chociaż istnieją dowody dotyczące optymalnego rozpoczęcia ostrej dializy, brakuje dowodów pozwalających przewidzieć czas przejścia między modalnościami lub uwolnienia od tej terapii. Korzystając z w pełni zintegrowanego elektronicznego Systemu Informacji Klinicznej (eCIS), takiego jak Connect Care (EPIC, Wisconsin, USA) w Albercie, możemy opracować algorytmy predykcyjne, które mogą przewidywać potrzeby pacjentów i ostrej dializy.

Po rozpoczęciu ostrej dializy, kilka czynników może wpływać na powrót do zdrowia nerek po ostrej dializie. Niedociśnienie śród-dializacyjne zostało zidentyfikowane jako wiodący modyfikowalny czynnik, ale niestety taki, w którym mamy ograniczone możliwości dokładnego przewidywania. To jest istotna luka w wiedzy, którą należy wypełnić. Zostało to również wcześniej zidentyfikowane przez nasz zespół badawczy jako jeden z najważniejszych kluczowych wskaźników efektywności (KPI) dla ostrej dializy, szczególnie w IHD i SLED. Dla CRRT, żywotność filtra została zidentyfikowana jako najważniejszy i najlepiej zbadany KPI. Oba te KPI są obecnie wykorzystywane przez trwające programy QUALITY CRRT i DIALYZING WISELY w celu poprawy wydajności i dostarczania ostrej dializy pacjentom w stanie krytycznym. Te dwa programy zostały pomyślnie wdrożone w całej Albercie i stworzyły infrastrukturę niezbędną do podjęcia kolejnych kroków w tych Ciągłych Inicjatywach Jakości dla ostrej dializy, programie SMART DIALYSIS.

Ostatnio postęp w przetwarzaniu komputerowym i maszynowym doprowadził do 4. rewolucji przemysłowej, charakteryzującej się rozwojem inteligentnych maszyn, urządzeń i algorytmów uczenia się, które mogą pomagać ludziom w zarządzaniu pacjentami i optymalizować świadczenie opieki zdrowotnej. Algorytmy uczenia maszynowego (ML) i sztucznej inteligencji (AI) były wcześniej stosowane w medycynie, ale dopiero zaczęły być wdrażane w nefrologii intensywnej terapii.

Obecne inicjatywy koncentrują się głównie na rozpoznawaniu wzorców i przewidywaniu ryzyka. Ten program będzie zawierał 4 odrębne fazy.

W fazie 1 będziemy kontynuować pracę z naszego programu QUALITY CRRT i DIALYZING WISELY i będziemy dążyć do lepszego zrozumienia otoczenia decyzji dotyczących przejść między modalnościami ostrej dializy, zakończenia i prób uwolnienia od ostrej dializy, częstości występowania niedociśnienia śród-dializacyjnego oraz czasu krzepnięcia filtra w OIT.

W fazie 2 opracujemy modele i kolejne narzędzia wsparcia decyzji klinicznych (CDS) i/lub doradztwa najlepszych praktyk (BPA) dla klinicystów, aby lepiej przewidywać i zarządzać 1) przejściami między terapiami ostrej dializy, 2) zarządzaniem niedociśnieniem śród-dializacyjnym, 3) przewidywaniem żywotności filtra i 4) uwolnieniem od ostrej dializy. Równolegle z tą pracą będziemy pracować nad opracowaniem panelu ostrej dializy wspomaganego AI/ML (tj. SMART DIALYSIS Digital Dashboard) osadzonego w naszym elektronicznym Systemie Informacji Klinicznej (eCIS), aby prezentować te KPI klinicystom.

Faza 3 zajmie się wdrożeniem i oceną wydajności oraz akceptowalności tych algorytmów ML/AI w praktyce klinicznej.

Wreszcie, faza 4 wykorzysta nasze wyniki z Alberty i będzie dążyć do wdrożenia i porównania ich w innych dużych organach opieki zdrowotnej, aby zapewnić, że algorytmy zostały opracowane i zweryfikowane odpowiednio i etycznie. Będą to obejmować partnerów w całej Kanadzie, USA, Europie oraz Australii i Nowej Zelandii.