Влияние искусственного интеллекта на программу телемониторинга пациентов с ХОБЛ с многократными госпитализациями

Программы телемониторинга являются альтернативой традиционным системам наблюдения за пациентами, особенно при хронических заболеваниях. Этот вид инструментов также важен из-за старения населения, роста хронических заболеваний и, как следствие, увеличения затрат на содержание систем здравоохранения. С другой стороны, в настоящее время эти хронические больные особенно посещаются в связи с обострениями, в основном в экстренных случаях и при госпитализации, а также на очных плановых консультациях при стабильном состоянии больных. Затем желательно более пристальное внимание с точки зрения клиники, управления и затрат.

ХОБЛ (хроническая обструктивная болезнь легких) является широко распространенным заболеванием. Кроме того, это высокий расход санитарных ресурсов и затрат, 50% которых приходится на госпитализации.

Кроме того, обострения ХОБЛ, особенно тяжелые, имеют важные последствия для пациентов (снижение легочной функции, ухудшение качества жизни и увеличение смертности).

Из-за этого телемониторинг кажется решением для улучшения контроля за этими пациентами и улучшения потребления ресурсов. В больнице Галдакао в Испании была начата программа телемониторинга пациентов с ХОБЛ, повторно поступивших в больницу. Его основная цель состояла в том, чтобы сократить повторные госпитализации из-за обострений ХОБЛ, и он мог продемонстрировать значительное снижение использования санитарных ресурсов (госпитализация, посещение отделения неотложной помощи, повторные госпитализации и среднее количество дней пребывания). Он также продемонстрировал меньшее ухудшение клинических симптомов и качества жизни у более тяжелых пациентов.

Однако есть три фактора, которые очень важны при хронических заболеваниях: увеличение числа стареющих людей, увеличение числа людей с хроническими заболеваниями и быстрое развитие технологий, особенно систем памяти и обработки информации.

Машинное обучение (ML) является наиболее важной частью искусственного интеллекта, и его целью является обучение компьютера. Компьютер пишет свои собственные программы для решения проблем, которые мы не знаем, как решить. Когда работа сложна, например, делать прогнозы в медицинских сценариях, алгоритмам ML требуется большое количество дат, чтобы получить обучение. Большинство медицинских баз данных имеют неудобства, возникающие из-за вмешательства человека, такие как отсутствующие данные, неправильные значения и т. д. Из-за этого программы, основанные на телемедицине, кажутся идеальной платформой для алгоритмов машинного обучения. Это связано с тем, что телемедицинские системы обычно создают периодический поток данных, собранных электронным способом, и они напрямую сохраняются в базе данных. Этот постоянный поток дат и низкое участие людей в их запоминании и хранении обеспечивают высокое качество баз данных, которые алгоритмы ML могут использовать для получения наилучших прогнозов.

Из-за этого TelEPOC (программа телемониторинга в когорте ХОБЛ в больнице Галдакао) оказывается лучшим вариантом для использования в своих данных алгоритмов машинного обучения из-за качества и количества сгенерированных данных, а также из-за полезности. этих прогнозов в клинической практике.

В этой ситуации возникает вопрос, могли ли исследователи предвидеть обострение или насколько они могли предвидеть проявление обострения. Для проверки этой гипотезы здесь представлен проект, использующий искусственный интеллект (ML).

Исследователи ранее провели испытание этой системы, которое дало многообещающие результаты. Этот прототип был обучен с использованием ретроспективных данных, которые программа TelEPOC помнила ранее, и он был основан на алгоритме машинного обучения под названием «Случайные леса». С помощью этого зонда они получили ROC-кривую (кривую рабочих характеристик приемника) 0,8 в прогнозе обострения в следующие три дня. В настоящее время в больнице Галдакао разрабатывается система машинного обучения в рамках программы TelEPOC. Его задача – предвосхитить тревогу (обострение).

С этой целью исследователи рассматривают множество дополнительных вопросов, которые могут быть исследованы, например: как может повлиять приход этой технологии в клиническую практику? В этом проекте использование машинного обучения может изменить направление клинической помощи. Существуют инструменты, с помощью которых можно предсказать эволюцию пациентов. Другой вопрос, что если исследователи предвидят обострение, они могут изменить патогенную основу (медиаторы воспаления), окружающую обострение ХОБЛ.

Исследователи считают эту инициативу пионерской в ​​области ХОБЛ и хронических заболеваний.