Искусственный интеллект для непрерывной стратификации в нейрореабилитации после инсульта с использованием персонализированных цифровых двойников (STRATIF-AI)

Обзор исследования Этот проект предназначен для оценки осуществимости реабилитационного приложения STRATIF-AI (приложения), а также его доступности, полезности и персонализации для пациентов. Цель приложения — поддержать пациентов в их восстановлении после инсульта, однако, поскольку оно находится на ранней стадии разработки, основные цели этого исследования — проверить осуществимость участия такого приложения в восстановлении пациента и находят ли пациенты его полезным.

Современная технология стратификации основана на алгоритмах машинного обучения (ML), обученных на данных больших когорт. Это имеет два основных ограничения: а) такие модели ML не могут использовать всё разнообразие различных данных, генерируемых о пациенте, b) стратификация, таким образом, проводится только периодически, что подразумевает устаревшие и неоптимальные решения по уходу. Чтобы исправить это, была разработана новая концепция и технология — непрерывная стратификация с использованием платформы STRATIF-AI. При непрерывной стратификации все данные, генерируемые о пациенте, кумулятивно хранятся в Персональном Хранилище Данных, контролируемом пациентом. Эти персональные данные постоянно обновляют платформу цифрового двойника. Уникальный потенциал платформы заключается в гибридной архитектуре, сочетающей механистические, многоуровневые и многорганные модели с ML и биоинформатикой.

Эта технология позволяет моделировать специфические для пациента реакции на изменения в лечении и выявлять изменения на внутриклеточном, органном и уровне всего организма, от секунд до лет для пациентов после инсульта. Семантическая гармонизация сочетается с федеративным обучением для безопасного переобучения различных подмоделей, когда новые данные становятся доступными в одной из когортных баз данных. Этот проект исследует использование цифровых двойников в фазе реабилитации после инсульта и будет проводиться в службе реабилитации больницы Чапел Аллертон в Лидсе. Это одно из шести одновременных исследований с участием восьми больниц по всей Европе с целью уточнения и валидации моделей и демонстрации того, как цифровые двойники могут сопровождать пациентов в различных приложениях, охватывая все фазы инсульта: от профилактики до острого лечения и реабилитации. Масштабируемая платформа для непрерывной стратификации формирует основу для новой взаимосвязанной и ориентированной на пациента системы здравоохранения.

Этот проект направлен на оценку осуществимости использования нового приложения для разработки метода непрерывной стратификации, используя все доступные данные для оценки пациента в реальном времени путём консолидации данных пациента в развивающемся цифровом двойнике. Предполагается, что использование этой технологии по сравнению со стандартной реабилитационной помощью после инсульта улучшит вовлечённость пациентов в реабилитационную помощь после инсульта и создаст возможности для будущей работы по использованию цифровых двойников в здравоохранении.

Обоснование и мотивация Мотивация к участию в реабилитационной программе и согласованность с реабилитационной программой являются двумя основными ограничениями для восстановления людей после инсульта, которые могут привести к неоптимальным результатам. Связанная и центральная проблема во всех фазах лечения инсульта заключается в том, что данные находятся в изолированных хранилищах, пациентам не предоставляются их данные, а стратификация лечения проводится только периодически. По этим причинам была создана платформа STRATIF-AI, основанная на цифровых двойниках — цифровой копии пациента, — которая облегчает непрерывную стратификацию внутри и между всеми фазами лечения инсульта. Различные исследования, проводимые партнёрскими больницами по консорциуму, будут сосредоточены на более ранних стадиях лечения инсульта, таких как профилактические меры и острое наблюдение за пациентами. В этих исследованиях будут собираться данные для разработки непрерывных моделей. В этом клиническом исследовании будет изучаться, как пациенты и медицинский персонал воспринимают использование новой платформы в реабилитации. Это пилотное исследование, которое проверит доказательство принципа и соберёт первоначальные данные об осуществимости и приемлемости.

Во всём мире инсульт является четвёртой по распространённости причиной инвалидности у взрослых, причём в 2021 году инсульт перенесли 11,9 миллиона человек, а последняя статистика демонстрирует увеличение заболеваемости инсультом с 1990 по 2021 год. Глобальное экономическое влияние инсульта превышает 890 миллиардов долларов США в год, и ожидается, что эта цифра удвоится к 2050 году. Помимо экономических последствий, влияние инсульта на качество жизни пострадавшего человека значительно: более двух третей выживших после инсульта в Великобритании выписываются из больницы с инвалидностью, требующей постоянного ухода. Хотя в области профилактики инсульта и острого управления требуется больше работы, всё больше признаётся важность фазы реабилитации после инсульта на международном уровне Всемирной организацией здравоохранения, которая признаёт «глубокую, неудовлетворённую потребность» в реабилитации во всём мире, а также на национальном уровне в последнем Руководстве по реабилитации после инсульта в Великобритании, в котором излагается решающая роль реабилитационной фазы инсульта и увеличение объёма реабилитации, необходимого для максимизации восстановления.

Первоначально разработанный для промышленности и относительно новая концепция в здравоохранении, цифровой двойник может быть определён как виртуальный аналог физического объекта, системы или процесса, который отражает его реальный эквивалент как в функции, так и во внешнем виде. Постоянное развитие технологии цифровых двойников привело к эволюции продвинутых моделей, которые непрерывно адаптируются со временем, чтобы иметь возможность моделировать сложное поведение. Цифровые двойники отличаются от традиционного цифрового моделирования, поскольку они требуют двустороннего обмена данными между физическим объектом и цифровым объектом, что позволяет физическому объекту получать обратную связь от своего цифрового аналога, что облегчает непрерывную стратификацию данных. Учитывая переход к персонализированному подходу к лечению в здравоохранении, потенциал цифровых двойников исследуется всё больше. Однако сложности человеческих эмоций и поведения, наряду с изменчивостью таких факторов, как индивидуальные предпочтения, мотивация, усталость и общее состояние здоровья, требуют сложных цифровых двойников для использования в здравоохранении.

Перспективной областью для использования цифровых двойников является сфера реабилитации после инсульта, где они могут использоваться для поддержки периода реабилитации, который часто требуется выжившим после инсульта, путём моделирования индивидуальных моделей восстановления и оптимизации терапий. Интегрируя данные пациента в реальном времени, такие как модели движений, коммуникация и когнитивные способности, цифровые двойники могут моделировать результаты реабилитации, чтобы адаптировать лечение для отдельных пациентов, корректировать терапию в реальном времени и предлагать поддержку в принятии решений и мотивационную обратную связь, потенциально увеличивая вовлечённость пациентов и улучшая восстановление. Концепция цифровых двойников уже использовалась в анализе движений человека через коммерчески доступные платформы, такие как OpenSim, которая была валидирована для моделирования опорно-двигательного аппарата, демонстрируя осуществимость цифровых двойников в здравоохранении.

Проект STRATIF-AI — это проект, финансируемый программой Horizon Europe, который направлен на применение цифровых двойников для использования в реабилитации после инсульта. Традиционная стратификация пациентов в реабилитации опирается на периодическую постановку целей, проводимую многопрофильной командой, согласующей цели реабилитации каждые две-три недели с пациентами и их членами семьи или опекунами для направления деятельности реабилитационной программы. Однако этот подход может упускать ценные данные между эпизодами постановки целей, что означает, что самые последние цели не точно и не полностью отражают текущее состояние пациента. Эта потеря данных между эпизодами постановки целей может быть ограничивающей в текущей практике здравоохранения, потому что лечение остаётся неизменным до следующего формального взаимодействия между пациентом и медицинскими работниками, даже если состояние пациента изменилось. По этой причине STRATIF-AI предлагает разработать метод непрерывной стратификации для использования всех доступных данных для оценки пациента в реальном времени путём консолидации этих данных в развивающемся цифровом двойнике, который затем будет предлагать обратную связь в реальном времени пациенту и медицинской команде.

Данные, традиционно используемые в стратификации при лечении инсульта, такие как диагноз пациента, факторы риска инсульта, история болезни, базовые наблюдения, результаты сканирования и анализов крови, будут дополнены промежуточной информацией от носимых технологий (готовых умных часов), дневников пациентов и формализованного инструмента оценки реабилитации — Функциональной независимости и Функциональной оценки (FIM+FAM). Эти данные будут использоваться для обновления индивидуального цифрового двойника пациента с использованием гибридной технологии, которая интегрирует механистические модели для основных функций человеческого тела с моделями машинного обучения и биоинформатики.

Проект STRATIF-AI внедрит непрерывную стратификацию в фазе реабилитации инсульта для соответствующих пациентов в NHS Trust больниц Лидса, и результаты проекта дополнят текущие исследования по использованию платформы во время профилактической и острой фаз лечения инсульта, проводимые в других центрах.