Odwiedź Oddział Intensywnej Terapii Neurologicznej podczas porannych obchodów konsultanta, a prawdopodobnie zobaczysz, że lekarze wykonują wyczerpujące testy, aby ocenić poziom świadomości każdego pacjenta. Testy te są jedynym sposobem na dokładne określenie rokowania pacjenta lub zidentyfikowanie istotnych sygnałów ostrzegawczych, że stan zdrowia pacjenta ulega pogorszeniu – ale ponieważ wykonanie każdego testu zajmuje do godziny, stanowią one znaczne obciążenie dla zespołów klinicznych.
Teraz naukowcy ze Stevens Institute of Technology opracowali algorytm, który może dokładnie śledzić poziom świadomości pacjentów w oparciu o proste objawy fizjologiczne, które są już rutynowo monitorowane w warunkach szpitalnych. Prace zespołu, choć wciąż w początkowej fazie, – opublikowane w numerze 15 września opieka neurologiczna Obiecuje on znacznie zmniejszyć presję wywieraną na personel medyczny, a także może dostarczyć ważnych nowych danych, które pomogą w podejmowaniu decyzji klinicznych i umożliwią opracowywanie nowych metod leczenia.
„Świadomość nie jest włącznikiem światła, który włącza się lub wyłącza – jest bardziej jak włącznik ściemniacza, ze stopniami świadomości, które zmieniają się w ciągu dnia” – powiedziała Samantha Kleinberg, adiunkt na Wydziale Informatyki w Stevens. . „Jeśli badasz pacjentów tylko raz dziennie, otrzymujesz tylko jeden punkt danych. Dzięki naszemu algorytmowi możesz stale śledzić świadomość, co daje znacznie wyraźniejszy obraz”.
Aby opracować swój algorytm, Kleinberg i jej Ph.D. Student Louis A. Gomez i Jan Clasen, dyrektor neurologii intensywnej opieki na Uniwersytecie Columbia, zbierają dane z szeregu czujników oddziału intensywnej terapii — od prostych monitorów tętna po zaawansowane urządzenia mierzące temperaturę mózgu — i wykorzystują je do przewidywania wyników oceny przez lekarza. poziom świadomości pacjenta. Wyniki były niesamowite: Wykorzystując tylko najprostsze dane fizjologiczne, algorytm okazał się tak dokładny, jak przeszkolony badacz kliniczny, i nieco mniej dokładny niż testy wykonywane przy użyciu drogiego sprzętu do obrazowania, takiego jak funkcjonalne urządzenia do obrazowania metodą rezonansu magnetycznego (fMRI).
„To bardzo ważne, ponieważ oznacza to, że to narzędzie może być potencjalnie zastosowane w prawie każdym szpitalu – nie tylko na oddziałach intensywnej opieki neurologicznej, gdzie mają bardziej zaawansowaną technologię” – wyjaśnił Kleinberg. Zauważyła, że algorytm można zainstalować jako prosty moduł oprogramowania w przyłóżkowych systemach monitorowania pacjenta, co czyni go stosunkowo tanim i łatwym w użyciu na dużą skalę.
Oprócz dostarczania klinicystom lepszych informacji klinicznych i dawania rodzinom pacjentów jaśniejszego wyobrażenia o rokowaniu ich ukochanej osoby, ciągłe monitorowanie może pomóc w informowaniu o nowych badaniach i ostatecznie poprawić wyniki pacjentów.
„Świadomość jest niezwykle trudna do zbadania, a jednym z powodów jest to, że po prostu nie ma zbyt wielu danych, z którymi można by pracować” – powiedział Kleinberg. „Posiadanie całodobowych danych pokazuje, jak zmiana świadomości pacjentów może pewnego dnia umożliwić skuteczniejsze leczenie tych pacjentów”.
Potrzebne będą dalsze prace, zanim algorytm zespołu zostanie wdrożony w warunkach klinicznych. Algorytm zespołu został przeszkolony na podstawie danych zebranych tuż przed oceną klinicysty i konieczne będą dalsze prace, aby wykazać, że potrafi on dokładnie śledzić świadomość przez całą dobę. Potrzebne będą również dodatkowe dane do przeszkolenia algorytmu do stosowania w innych warunkach klinicznych, takich jak oddziały intensywnej opieki pediatrycznej.
Kleinberg ma również nadzieję, że poprawi dokładność algorytmu, porównując różne rodzaje danych fizjologicznych i badając sposób, w jaki dopasowują się lub opóźniają w czasie. Wiadomo, że niektóre z tych relacji korelują ze świadomością, umożliwiając walidację algorytmicznych ocen świadomości w okresach, w których nie są dostępne oceny ludzkich klinicystów.
Na razie jednak zespół Stevensa jest zachwycony, że znalazł prosty i szeroko stosowany model do automatycznej oceny świadomości pacjenta w warunkach klinicznych. „To był projekt o wysokim ryzyku i wysokim zwrocie” – powiedział Kleinberg. „Bardzo ekscytujące było odkrycie, że możemy wykorzystać te sygnały do kategoryzacji poziomów świadomości pacjentów”.
Źródło historii:
Materiały Wstęp do Instytut Technologiczny Stevensa. Uwaga: Treść można modyfikować zgodnie ze stylem i długością.
„Odkrywca. Entuzjasta muzyki. Fan kawy. Specjalista od sieci. Miłośnik zombie.”
More Stories
Nowy raport WHO pokazuje, jak miasta przyczyniają się do postępu w zapobieganiu chorobom niezakaźnym i urazom
Naukowcy identyfikują „najlepszy punkt” bezpiecznej operacji po zawale serca
Badanie wykazało, że 20% dzieci chorych na zapalenie płuc nie otrzymuje antybiotyków