CogMe para a Prevenção e Detecção Precoce do Delirium (CogMe)

Delirium é uma síndrome definida como um distúrbio agudo da consciência e da cognição que tende a flutuar ao longo do tempo e é causado pelas consequências fisiológicas de uma condição médica. É um distúrbio comum em ambientes de cuidados agudos, em unidades de medicina interna, em pacientes pós-operatórios e na unidade de terapia intensiva. O delirium está associado ao aumento da mortalidade, internações hospitalares mais longas, comprometimento cognitivo de longo prazo e aumento dos custos de saúde. A fisiopatologia do delirium é multifatorial e não é completamente compreendida.

A prevalência de delirium aumenta com a idade e é muito comum em pacientes idosos hospitalizados. Em certos departamentos, as taxas de delirium podem atingir mais de 40%. No entanto, o delirium é subdiagnosticado em quase dois terços dos casos ou diagnosticado erroneamente como depressão ou demência. Além disso, foi demonstrado anteriormente que o diagnóstico de delirium costuma ser atrasado e que o reconhecimento e a documentação do delirium por médicos e enfermeiras estão longe de ser ideais. O diagnóstico precoce do delirium pode melhorar o desfecho clínico, com redução da duração dos sintomas, diminuição do tempo de internação e redução das complicações a longo prazo.

Estudos clínicos demonstraram que o delirium pode ser prevenido em até um terço dos casos por intervenções multifatoriais não farmacológicas, mas sua implementação pode ser cara e requer pessoal especialmente treinado. Além disso, geralmente não consideram parâmetros fisiológicos.

Três avanços tecnológicos recentes agora oferecem oportunidades para uma nova abordagem de prevenção de delirium. Primeiro, nos últimos anos, o monitoramento de sinais vitais com sensores vestíveis alimentados por algoritmos de processamento avançados tornou-se tecnicamente viável. Esse desenvolvimento pode fornecer oportunidades para detecção precoce de delirium e para detecção de gatilhos fisiológicos de delirium, como desidratação, infecções e falta de sono. Em segundo lugar, avanços recentes em sistemas de diálogo virtual (p. Alexa da Amazon ou Siri da Apple) oferecem oportunidades novas e empolgantes para interação automática com o paciente. Dispositivos com voz ou comunicação multimodal podem ser usados ​​por pacientes idosos com pouca ou nenhuma experiência em tecnologia móvel moderna. Por fim, o progresso recente na aquisição de dados digitalizados, infraestrutura de computação e desenvolvimento de algoritmos agora permite que aplicativos de inteligência artificial e aprendizado de máquina se expandam para áreas da medicina que antes eram consideradas apenas domínio de especialistas humanos. A combinação dessas três fontes de dados pode melhorar muito os modelos de previsão atuais e permitir uma previsão mais precoce e precisa do delirium.

Um sistema automatizado que pode auxiliar na detecção de delirium e alertar os médicos para um possível início da síndrome pode melhorar muito o tratamento e os resultados dos pacientes. O sistema CogMe utiliza tecnologia atual para fornecer uma abordagem holística e escalável para previsão, detecção e prevenção de delirium, abrangendo aspectos fisiológicos e cognitivos. O sistema usa wearables para monitoramento de sinais vitais fisiológicos e se comunica com os pacientes por meio de um aplicativo de tablet dedicado - o CogMe Personal Assistant (PA). Neste estudo, os dados coletados pelos wearables e pelo CogMe PA, em combinação com os dados do paciente do EMR, serão analisados ​​retrospectivamente usando técnicas de aprendizado de máquina (CogMe Data Analytics) para avaliar a capacidade do sistema CogMe de prever e detectar delirium .