Pervasive Sensing e IA em UTI Inteligente

A subavaliação da dor é uma das principais barreiras para o tratamento adequado da dor em pacientes críticos e está associada a muitos desfechos negativos, como dor crônica após a alta, ventilação mecânica prolongada, permanência mais longa na UTI e aumento do risco de mortalidade. Muitos pacientes internados em UTI não conseguem autorrelatar a intensidade da dor devido à sua condição clínica, dispositivos de ventilação e alteração do estado de consciência. O monitoramento do estado de dor dos pacientes é mais uma tarefa para enfermeiros sobrecarregados e, devido à natureza subjetiva da dor, essas avaliações podem variar entre os profissionais de saúde. Esses desafios apontam para uma necessidade crítica de desenvolver sistemas de reconhecimento de dor objetivos e autônomos. O delirium é outra complicação comum da hospitalização do paciente, que se caracteriza por alterações na cognição, no nível de atividade, na consciência e no estado de alerta e tem taxas de até 80% em pacientes cirúrgicos. Os fatores de risco associados ao delirium incluem idade, disfunção cognitiva preexistente, deficiência visual e auditiva, doença grave, desidratação, anormalidades eletrolíticas, medicação excessiva, abuso de álcool e interrupções nos padrões de sono. As estimativas mostram que cerca de um terço dos casos de delirium podem se beneficiar da prevenção e intervenção medicamentosa e não medicamentosa. No entanto, detectar e prever dor e delirium ainda é muito limitado na prática.

O objetivo deste estudo é avaliar a capacidade do modelo proposto pelos investigadores de alavancar acelerômetros, biomarcadores ambientais e de ritmo circadiano e dados de vídeo na quantificação autônoma da dor, caracterização de atividades funcionais e estado de delirium. O sistema de Monitoramento Autônomo de Delirium e Prevenção Adaptativa (ADAPT) usará novas técnicas de detecção pervasiva e aprendizado profundo para quantificar autonomamente a mobilidade dos pacientes e a dissincronia circadiana em termos de interrupções noturnas, intensidade de luz e nível de pressão sonora. Isso permitirá a integração desses fatores de risco em um modelo dinâmico para prever trajetórias de delirium. Câmeras disponíveis comercialmente serão usadas para monitorar as expressões faciais dos pacientes e contextualizar as ações dos pacientes, fornecendo dados de imagem para fornecer informações adicionais sobre o movimento do paciente. Sensores ambientais disponíveis comercialmente serão usados ​​para fornecer dados sobre iluminação, nível de decibéis e qualidade do ar. As amostras de sangue do paciente ajudarão a determinar seu ritmo circadiano e comparar e validar as capacidades do sistema de detecção pervasiva de monitorar autonomamente a dissincronia circadiana. Dados do prontuário eletrônico também serão coletados.