El modelo profético podía perfeccionar cuidado de la sepsia

Los investigadores del Hospital General del MIT y de Massachusetts (MGH) han desarrollado un modelo profético que podría conducir a clínicos en decidir a cuando dar las drogas potencialmente salvavidas a los pacientes que eran tratados para la sepsia en la sala de urgencias.

La sepsia es una de las causas más frecuentes de la admisión, y una de las causas de la muerte mas comunes, en la Unidad de Cuidados Intensivos. Pero la gran mayoría de estos pacientes primero viene hacia adentro con el ER. El tratamiento comienza generalmente con los antibióticos y los líquidos intravenosos, litros de un par de fuerzas al mismo tiempo. Si no responden los pacientes bien, pueden entrar la descarga eléctrica séptica, donde sus caídas de presión de la sangre peligroso inferiores y los órganos fallan. Entonces está a menudo lejos al ICU, donde los clínicos pueden reducir o parar los líquidos y comenzar medicaciones vasopresores tales como noradrenalina y dopamina, para aumentar y para mantener la presión arterial del paciente.

Aquí es donde las cosas pueden conseguir difíciles. La administración de los líquidos durante demasiado tiempo puede no ser útil y podría incluso estropear el órgano, intervención vasopresor tan temprana puede ser beneficiosa. De hecho, la administración vasopresor temprana se ha conectado a la mortalidad perfeccionada en descarga eléctrica séptica. Por otra parte, la administración de vasopressors demasiado temprano, o cuando no está necesitada, lleva sus propias consecuencias para la salud negativas, tales como arritmias del corazón y daño de célula. Pero no hay respuesta clara en cuándo hacer esta transición; los clínicos deben típicamente vigilan de cerca la presión arterial y otros síntomas del paciente, y después hacen un lamamiento de juicio.

En un papel que es presentado esta semana en el simposio anual de la asociación médica americana de la informática, los investigadores del MIT y de MGH describen un modelo que “aprenda” de datos de la salud sobre pacientes de la sepsia del emergencia-cuidado y prediga si un paciente necesitará vasopressors dentro de las horas próximas. Para el estudio, los investigadores compilaron el primer grupo de datos de su clase para los pacientes de la sepsia del ER. En la prueba, el modelo podía predecir una necesidad de un más de 80 por ciento vasopresor del tiempo.

La predicción temprana podría, entre otras cosas, prevenir un retén innecesario de ICU para un paciente que no necesita vasopressors, o comenzar la preparación temprana para el ICU para un paciente que lo hace, los investigadores dice.

“Es importante tener buena capacidad discriminatoria entre quién necesita vasopressors y quién no lo hace [en el ER],” dice a primer autor Varesh Prasad, estudiante del doctorado en el programa Harvard-MIT en ciencias y tecnología de la salud. “Podemos predecir dentro de un par de horas si un paciente necesita vasopressors. Si, en ese tiempo, los pacientes consiguieron tres litros IV de líquido, que pudieron ser excesivos. Si sabíamos por adelantado esos litros no iban a ayudar de todos modos, ellos habrían podido comenzar en vasopressors anterior.”

En una fijación clínica, el modelo se podría ejecutar en un monitor de la cabecera, por ejemplo, que rastrea a pacientes y envía alarmas a los clínicos en el ER a menudo-agitado sobre cuándo comenzar vasopressors y reducir los líquidos. “Este modelo sería una vigilancia o sistema de vigilancia que trabaja en el fondo,” dice al co-autor Thomas Heldt, el profesor del revelado de carrera de W.M. Keck en el instituto del MIT de la ingeniería médica y de la ciencia. “Hay muchos casos de la sepsia que [los clínicos] entienda sin obstrucción, o no necesita ningún apoyo con. Los pacientes pudieron estar tan enfermos en la presentación inicial que los médicos conocen exactamente qué hacer. Pero hay también una “zona gris, “donde estas clases de herramientas llegan a ser muy importantes.”

Los co-autores en el papel son James C. Lynch, estudiante de tercer ciclo del MIT; y Trent D. Gillingham, Saurav Nepal, Michael R. Filbin, y Andrew T. Reisner, todo el MGH. Heldt es también profesor adjunto de la ingeniería eléctrica y biomédica en el departamento del MIT de la ingeniería eléctrica y de informática y de un investigador principal en el laboratorio de investigación de la electrónica.

Otros modelos se han construido para predecir qué pacientes están en riesgo de sepsia, o cuándo administrar vasopressors, en ICUs. Pero éste es el primer modelo entrenado en la tarea para el ER, Heldt dice. “[El ICU] es un estado avanzado para la mayoría de los pacientes de la sepsia. El ER es el primer punto del contacto paciente, donde usted puede tomar las decisiones importantes que pueden diferenciar en resultado,” Heldt dice.

El reto primario ha sido una falta de una base de datos del ER. Los investigadores trabajaron con los clínicos de MGH durante varios años para compilar los informes médicos de casi 186.000 pacientes que fueron tratados en la sala de urgencias de MGH a partir de 2014 a 2016. Algunos pacientes en el grupo de datos habían recibido vasopressors en el plazo de las primeras 48 horas de su visita del hospital, mientras que otros no tenían. Dos investigadores revisaron manualmente todos los archivos de pacientes con probable descarga eléctrica séptica para incluir la época exacta de la administración vasopresor, y otras anotaciones. (El tiempo medio de la presentación de los síntomas de la sepsia al lanzamiento vasopresor era alrededor seis horas.)

Los archivos estuvieron partidos aleatoriamente, con el 70 por ciento usado para entrenar al modelo y el 30 por ciento para probarlo. En el entrenamiento, el modelo extrajo hasta 28 de 58 características posibles de los pacientes que necesario o no necesitó vasopressors. Las características incluyeron la presión arterial, el tiempo transcurrido de la admisión inicial del ER, el régimen administrado, respiratorio del volumen flúido del total, el estado mental, la saturación del oxígeno, y cambios en volumen de recorrido cardiaco -- cuánta sangre el corazón bombea en cada batido.

En la prueba, el modelo analiza muchas o todas esas características en un nuevo paciente en los intervalos de tiempo del equipo y busca las configuraciones indicativas de un paciente que no lo hicieron los vasopressors final necesarios o. De acuerdo con esa información, hace una predicción, en cada intervalo, sobre si el paciente necesitará un vasopresor. En predecir si los pacientes necesitaron vasopressors en dos siguientes o más horas, el modelo era el 80 a 90 por ciento correcto del tiempo, que podría prevenir una mitad excesiva al litro o más de líquidos administrados, por término medio.

“El modelo toma básicamente un equipo de los signos vitales actuales, y un poco qué la trayectoria parece, y determina que esta observación actual sugiere este paciente pudiera necesitar vasopressors, o este equipo de variables sugiera que este paciente no las necesitara,” Prasad dice.

Después, los investigadores apuntan desplegar el trabajo para producir más herramientas que predigan, en tiempo real, si los pacientes del ER pueden inicialmente estar en riesgo de sepsia o descarga eléctrica séptica. “La idea es integrar todas estas herramientas en una tubería que ayude a manejar cuidado cuando primero entran en el ER,” de Prasad diga.

La idea es ayudar a clínicos en los departamentos de emergencia en hospitales importantes tales como MGH, que ve a cerca de 110.000 pacientes anualmente, foco en las poblaciones más en peligro para la sepsia. “El problema con sepsia es la presentación del paciente desmiente a menudo la seriedad del proceso subyacente de la enfermedad,” Heldt dice. “Si alguien entra con la debilidad y no asierra al hilo derecho, un poco de líquidos pueden hacer a menudo el truco. Pero, en algunos casos, tienen sepsia subyacente y pueden deteriorar muy rápidamente. Queremos poder informar qué pacientes han hecho mejores y cuáles son en una ruta crítica si están idos no tratado.”

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