O modelo com carácter de previsão podia melhorar o cuidado da sepsia

Os pesquisadores do Hospital Geral do MIT e do Massachusetts (MGH) desenvolveram um modelo com carácter de previsão que poderia guiar clínicos em decidir quando dar potencial drogas do salvamento aos pacientes que estão sendo tratados para a sepsia nas urgências.

A sepsia é uma das causas as mais freqüentes da admissão, e uma das causas de morte as mais comuns, na unidade de cuidados intensivos. Mas a grande maioria destes pacientes entra primeiramente com o ER. O tratamento começa geralmente com os antibióticos e os líquidos intravenosos, litros de um par em um momento. Se os pacientes não respondem bem, podem entrar em choque séptico, onde suas gotas da pressão sanguínea perigosamente baixas e os órgãos falham. Então é frequentemente fora ao ICU, onde os clínicos podem reduzir ou parar os líquidos e começar medicamentações vasopressor tais como o norepinephrine e a dopamina, a levantar e manter a pressão sanguínea do paciente.

Isso é o lugar onde as coisas podem obter complicadas. Administrar líquidos durante bastante tiempo não pode ser útil e poderia mesmo causar dano do órgão, intervenção vasopressor tão adiantada pode ser benéfica. De facto, a administração vasopressor adiantada foi ligada à mortalidade melhorada em choque séptico. Por outro lado, administrar vasopressors demasiado cedo, ou quando nao necessário, leva suas próprias conseqüências negativas da saúde, tais como arritmias do coração e dano de pilha. Mas não há nenhuma resposta bem defenida em quando fazer esta transição; os clínicos devem tipicamente monitoram pròxima a pressão sanguínea do paciente e outros sintomas, e fazem então um atendimento de julgamento.

Em um papel que está sendo apresentado esta semana no simpósio anual da associação médica americana da informática, os pesquisadores do MIT e do MGH descrevem um modelo que “aprenda” dos dados da saúde em pacientes da sepsia dos cuidados de emergência e prever se um paciente precisará vasopressors dentro das próximas horas. Para o estudo, os pesquisadores compilaram o primeiro-nunca conjunto de dados de seu tipo para pacientes da sepsia do ER. No teste, o modelo podia prever uma necessidade para uns mais de 80 por cento vasopressor do tempo.

A previsão adiantada poderia, entre outras coisas, impedir uma estada desnecessária de ICU para um paciente que não precisasse vasopressors, ou para começar a preparação adiantada para o ICU para um paciente que fizesse, os pesquisadores diz.

“É importante ter a boa capacidade discriminadora entre quem precisam vasopressors e quem não faz [no ER],” diz primeiro autor Varesh Prasad, um aluno de doutoramento no programa Harvard-MIT em ciências e em tecnologia da saúde. “Nós podemos prever dentro de um par horas se um paciente precisa vasopressors. Se, nesse tempo, os pacientes obtiveram três litros IV do líquido, que pôde ser excessivo. Se nós soubemos adiantado aqueles litros não estavam indo ajudar de qualquer maneira, eles poderiam ter começado em vasopressors mais cedo.”

Em um ajuste clínico, o modelo poderia ser executado em um monitor da cabeceira, por exemplo, que seguisse pacientes e enviasse alertas aos clínicos no ER frequentemente-héctico sobre quando começar vasopressors e reduzir líquidos. “Este modelo seria uma vigilância ou sistema de vigilância que trabalha no fundo,” diz o co-autor Thomas Heldt, professor da revelação de carreira de W.M. Keck no instituto do MIT da engenharia médica e da ciência. “Há muitos casos da sepsia que [clínicos] compreenda claramente, ou não precisa nenhum apoio com. Os pacientes puderam ser tão doentes na apresentação inicial que os médicos conhecem exactamente o que fazer. Mas há igualmente “uma zona cinzenta, “onde estes tipos das ferramentas se tornam muito importantes.”

Os co-autores no papel são James C. Lynch, um aluno diplomado do MIT; e Trent D. Gillingham, Saurav Nepal, Michael R. Filbin, e Andrew T. Reisner, todo o MGH. Heldt é igualmente um professor adjunto da engenharia elétrica e biomedicável no departamento do MIT da engenharia elétrica e da informática e de um investigador principal no laboratório de investigação da eletrônica.

Outros modelos foram construídos para prever que pacientes são em risco da sepsia, ou quando administrar vasopressors, em ICUs. Mas este é o primeiro modelo treinado na tarefa para o ER, Heldt diz. “[O ICU] é um estado avançado para a maioria de pacientes da sepsia. O ER é o primeiro ponto do contacto paciente, onde você pode fazer as decisões importantes que podem fazer uma diferença no resultado,” Heldt diz.

O desafio preliminar foi uma falta de uma base de dados do ER. Os pesquisadores trabalharam com os clínicos de MGH sobre diversos anos para compilar informes médicos de quase 186.000 pacientes que foram tratados nas urgências de MGH desde 2014 até 2016. Alguns pacientes no conjunto de dados tinham recebido vasopressors dentro das primeiras 48 horas de sua visita do hospital, quando outro não tiveram. Dois pesquisadores reviram manualmente todos os registros dos pacientes com choque séptico provável para incluir a época exacta da administração vasopressor, e outras anotações. (O tempo médio da apresentação de sintomas da sepsia à iniciação vasopressor era ao redor seis horas.)

Os registros eram aleatòria rachados, com os 70 por cento usados treinando o modelo e os 30 por cento para testá-lo. No treinamento, o modelo extraiu até 28 de 58 características possíveis dos pacientes que necessário ou não precisou vasopressors. As características incluíram a pressão sanguínea, o tempo decorrido da admissão inicial do ER, a taxa administrada, respiratória do volume fluido do total, o estado mental, a saturação do oxigênio, e as mudanças no volume de curso cardíaco -- quanto sangue o coração bombeia em cada batida.

No teste, o modelo analisa muitas ou todas aquelas características em um paciente novo em intervalos de tempo do grupo e procura os testes padrões indicativos de um paciente que os vasopressors finalmente necessários ou não façam. Baseado nessa informação, faz uma previsão, em cada intervalo, sobre se o paciente precisará um vasopressor. Em prever se vasopressors necessários dos pacientes nos dois seguintes ou mais horas, o modelo era 80 a 90 por cento correcto do tempo, que poderia impedir uma metade excessiva um do litro ou o mais de líquidos administrados, em média.

“O modelo toma basicamente um grupo de sinais vitais actuais, e um pouco do que a trajectória olha como, e determina que esta observação actual sugere este paciente possa precisar vasopressors, ou este grupo de variáveis sugira que este paciente não as precise,” Prasad diz.

Em seguida, os pesquisadores apontam expandir o trabalho para produzir mais ferramentas que prevêem, no tempo real, se os pacientes do ER podem inicialmente ser em risco da sepsia ou de choque séptico. “A ideia é integrar todas estas ferramentas em um encanamento que ajudará a controlar o cuidado quando entram primeiramente o ER,” de Prasad diz.

A ideia é ajudar o mais em risco clínicos em departamentos de emergência em hospitais principais tais como MGH, que vê aproximadamente 110.000 pacientes anualmente, foco nas populações para a sepsia. “O problema com sepsia é a apresentação do paciente desmente frequentemente a seriedade do processo subjacente da doença,” Heldt diz. “Se alguém entra com fraqueza e não sente direito, um pouco dos líquidos pode frequentemente fazer o truque. Mas, em alguns casos, estão com sepsia subjacente e podem deteriorar-se muito rapidamente. Nós queremos poder dizer que pacientes se tornaram melhores e quais são em um trajecto crítico se saido não tratado.”

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