Il modello premonitore ha potuto migliorare la cura di sepsi

I ricercatori dal policlinico di Massachusetts e del MIT (MGH) hanno sviluppato un modello premonitore che potrebbe guidare i clinici nella decisione quando dare potenzialmente i farmaci salvavita ai pazienti che sono trattati per la sepsi nel pronto soccorso.

La sepsi è una di cause più frequenti dell'ammissione ed una della maggior parte delle cause comuni della morte, nell'unità di cure intensive. Ma la vasta maggioranza di questi pazienti in primo luogo entra con il ER. Il trattamento comincia solitamente con gli antibiotici ed i liquidi endovenosi, litri di una coppia per volta. Se i pazienti non reagiscono bene, possono entrare in scossa settica, dove la loro pressione sanguigna cade pericolosamente minimo e gli organi vengono a mancare. Poi è spesso fuori al ICU, dove i clinici possono diminuire o fermare i liquidi e cominciare i farmaci vasopressori quali noradrenalina e dopamina, per sollevare e mantenere la pressione sanguigna del paziente.

Quello è dove le cose possono ottenere complesse. L'amministrazione dei liquidi per troppo tempo non può essere utile e potrebbe neppure causare il danno dell'organo, intervento vasopressore così iniziale può essere utile. Infatti, l'amministrazione vasopressore in anticipo è stata collegata alla mortalità migliore nella scossa settica. D'altra parte, amministrare i vasopressori troppo presto, o una volta non avuta bisogno di, porta le sue proprie conseguenze negative di salubrità, quali le aritmia del cuore ed il danno delle cellule. Ma non c'è risposta netta su quando fare questa transizione; i clinici devono tipicamente molto attentamente riflettono altri sintomi del paziente la pressione sanguigna ed e poi fanno una chiamata di giudizio.

In un articolo che è presentato questa settimana al simposio annuale dell'associazione medica americana dell'informatica, i ricercatori di MGH e del MIT descrivono un modello che “impara„ dai dati di salubrità sui pazienti di sepsi di emergenza-cura e predice se un paziente avrà bisogno dei vasopressori entro le prossime ore. Per lo studio, i ricercatori hanno compilato il gruppo di dati mai visto del suo genere per i pazienti di sepsi di ER. In prova, il modello ha potuto predire un'esigenza di un vasopressore più di 80 per cento del tempo.

La previsione iniziale potrebbe, tra l'altro, impedire un soggiorno inutile di ICU per un paziente che non ha bisogno dei vasopressori, o iniziare il preparato in anticipo per il ICU per un paziente che fa, i ricercatori dice.

“È importante avere buona abilità acuta fra chi ha bisogno dei vasopressori e chi non fa [nel ER],„ dice primo l'autore Varesh Prasad, uno studente di PhD nel programma Harvard-MIT in scienze e tecnologie di salubrità. “Possiamo predire in una coppia di ore se un paziente ha bisogno dei vasopressori. Se, in quel tempo, i pazienti ottenessero tre litri IV di liquido, che potrebbero essere eccessivi. Se sapessimo in anticipo quei litri non stavano andando aiutare comunque, essi potrebbero cominciare più presto sui vasopressori.„

In una regolazione clinica, il modello potrebbe essere applicato in un video del lato del letto, per esempio, che tiene la carreggiata i pazienti ed invia gli avvisi ai clinici nel ER spesso intenso circa quando iniziare i vasopressori e diminuire i liquidi. “Questo modello sarebbe una vigilanza o sistema di sorveglianza che funziona nei precedenti,„ dice il co-author Thomas Heldt, il professore dello sviluppo di carriera di W.M. Keck nell'istituto del MIT di assistenza tecnica medica e di scienza. “Ci sono molti casi di sepsi che [clinici] capisca chiaramente, o non hanno bisogno di alcun supporto con. I pazienti potrebbero essere così malati alla presentazione iniziale che i medici conoscono esattamente che cosa fare. Ma c'è egualmente “una zona grigia, “dove questi generi di strumenti diventano molto importanti.„

I co-author sul documento sono James C. Lynch, un dottorando del MIT; e Trent D. Gillingham, Saurav Nepal, Michael R. Filbin ed Andrew T. Reisner, tutto il MGH. Heldt è egualmente un assistente universitario di assistenza tecnica elettrica e biomedica nel dipartimento del MIT di ingegneria elettrica e dell'informatica e di un ricercatore principale nel laboratorio di ricerca di elettronica.

Altri modelli sono stati sviluppati per predire quali pazienti sono a rischio di sepsi, o quando amministrare i vasopressori, in ICUs. Ma questo è il primo modello preparato sul compito per il ER, Heldt dice. “[Il ICU] è uno stadio avanzato per la maggior parte dei pazienti di sepsi. Il ER è il primo punto del contatto paziente, in cui potete prendere le decisioni importanti che possono fare una differenza nel risultato,„ Heldt dice.

La sfida primaria è stata una mancanza di database di ER. I ricercatori hanno lavorato con i clinici di MGH in parecchi anni per compilare le cartelle sanitarie di quasi 186.000 pazienti che sono stati curati nel pronto soccorso di MGH dal 2014 al 2016. Alcuni pazienti nel gruppo di dati avevano ricevuto i vasopressori nelle prime 48 ore della loro visita dell'ospedale, mentre altri non hanno avuti. Due ricercatori hanno esaminato manualmente tutte le registrazioni dei pazienti con scossa settica probabile per comprendere il periodo esatto dell'amministrazione vasopressore ed altre annotazioni. (Il tempo medio dalla presentazione dei sintomi di sepsi all'inizio vasopressore era di intorno sei ore.)

Le registrazioni sono state spaccate a caso, con 70 per cento usati per la formazione del modello e 30 per cento per verificarlo. Nell'addestramento, il modello ha estratto fino a 28 di 58 funzionalità possibili dai pazienti che necessario o non ha avuto bisogno dei vasopressori. Le funzionalità hanno compreso la pressione sanguigna, il tempo trascorso dall'ammissione iniziale di ER, il ritmo amministrato e respiratorio del volume fluido di totale, lo stato mentale, la saturazione dell'ossigeno ed i cambiamenti nel volume sistolico cardiaco -- quanto sangue il cuore pompa in ogni battimento.

In prova, il modello analizza molte o tutte quelle funzionalità in un nuovo paziente agli intervalli di tempo dell'insieme e cerca i reticoli indicativi di un paziente che i vasopressori infine necessari o non hanno fatto. Sulla base di quelle informazioni, fa una previsione, ad ogni intervallo, circa se il paziente avrà bisogno di un vasopressore. Nella predizione se i pazienti hanno avuto bisogno dei vasopressori in due seguenti o più ore, il modello era in media 80 - 90 per cento corretto del tempo, in grado di impedire un eccessivo litro mezzo o più dei liquidi amministrati.

“Il modello cattura basicamente un insieme delle funzioni vitali correnti ed un po'di cui la traiettoria assomiglia e determina che questa osservazione corrente suggerisce questo paziente potrebbe avere bisogno dei vasopressori, o questo insieme delle variabili suggerisce che questo paziente non le abbia avute bisogno di,„ Prasad dice.

Dopo, i ricercatori mirano a ampliare il lavoro per produrre più strumenti che predicono, in tempo reale, se i pazienti di ER possono inizialmente essere a rischio di sepsi o scossa settica. “L'idea è di integrare tutti questi strumenti in una conduttura che contribuirà a gestire la cura quando in primo luogo entrano in ER,„ da Prasad dice.

L'idea è di aiutare i clinici ai pronto soccorsi in ospedali importanti quale MGH, che vede annualmente circa 110.000 pazienti, fuoco sulle popolazioni più a rischio per sepsi. “Il problema con sepsi è la presentazione del paziente spesso altera la serietà del trattamento di fondo di malattia,„ Heldt dice. “Se qualcuno entra con la debolezza e non ritiene a destra, un po'dei liquidi può fare spesso il trucco. Ma, in alcuni casi, hanno sepsi di fondo e possono deteriorarsi molto rapidamente. Vogliamo potere dire quali pazienti sono diventato migliori e quale sono su un cammino critico se lasciato non trattato.„

Sorgente: http://news.mit.edu/2018/machine-learning-sepsis-care-1107