智能 ICU 中的普适感知和人工智能

对疼痛的评估不足是危重患者疼痛得到充分治疗的主要障碍之一，并且与许多负面结果有关，例如出院后的慢性疼痛、机械通气时间延长、ICU 停留时间延长和死亡风险增加。 许多 ICU 患者由于其临床状况、通气设备和意识改变而无法自我报告其疼痛强度。 监测患者的疼痛状态是过度劳累的护士的另一项任务，并且由于疼痛的主观性质，这些评估可能因护理人员而异。 这些挑战表明迫切需要开发客观和自主的疼痛识别系统。 谵妄是患者住院治疗的另一种常见并发症，其特点是认知、活动水平、意识和警觉性发生改变，在手术患者中发生率高达 80%。 与谵妄相关的危险因素包括年龄、先前存在的认知功能障碍、视力和听力障碍、严重疾病、脱水、电解质异常、过度用药、酗酒和睡眠模式中断。 据估计，大约三分之一的谵妄病例可以从药物和非药物预防和干预中受益。 然而，检测和预测疼痛和精神错乱在实践中仍然非常有限。

本研究的目的是评估研究人员提出的模型利用加速度计、环境、昼夜节律生物标志物和视频数据自主量化疼痛、表征功能活动和精神错乱状态的能力。 自主 Delirium 监测和自适应预防 (ADAPT) 系统将使用新颖的普适传感和深度学习技术，根据夜间干扰、光照强度和声压水平，自主量化患者的活动能力和昼夜节律不同步。 这将允许将这些风险因素整合到预测谵妄轨迹的动态模型中。 市售相机将用于监测患者的面部表情，并通过提供成像数据来提供额外的患者运动信息，从而将患者的行为背景化。 商用环境传感器将用于提供有关照明、分贝水平和空气质量的数据。 患者血液样本将有助于确定他们的昼夜节律，并比较和验证无处不在的传感系统自主监测昼夜节律不同步的能力。 还将收集电子健康记录数据。