«Интеллектуальная реанимация» — цифровой помощник врача анестезиолога-реаниматолога в ОРИТ

XXIII Ежегодный международный конгресс «Информационные технологии в медицине», #ИТМ2022, Москва
13 октября 2022, 16:00, зал «Галактика Центральный»
Секция: 1.11. ВСЕРОССИЙСКАЯ КОНФЕРЕНЦИЯ МОЛОДЫХ УЧЕНЫХ «ЦИФРОВЫЕ ТЕХНОЛОГИИ В СОВРЕМЕННОЙ МЕДИЦИНЕ».
Докладчик
Каштанов Артем Денисович, первый МГМУ им. Сеченова.

Сегодня происходит активная цифровая трансформация медицины [1] –особенно актуальная в отделениях реанимации и интенсивной терапии (ОРИТ) вследствие тяжести состояния пациентов [2]. Ранее было продемонстрировано - благодаря развитию методов диагностики, врачам в ОРИТ приходится анализировать большое количество показателей, значительно превышающих когнитивные способности человека [3–5]. Обосновали необходимость и большой потенциал внедрения искусственного интеллекта (ИИ) в курацию больного ОРИТ еще Lutz H. и Bender H.J., в 1986 г. [6]. Ряд работ указывают на высокий шанс ИИ предсказать сепсис [7], необходимость в ИВЛ (искусственная вентиляция легких) [8], вероятность летального исхода [9], риск возникновения аритмии [10]. Greco M, Caruso PF, Cecconi M., 2021 была предложена модель для объединения данных не только одного стационара, но создание общего банка данных пациентов [8]. Также важно вовремя информировать врача о трендах изменения состояния пациента [11].

На международном рынке представлено несколько информационных систем для ОРИТ. Решение «eGateway Mindray» отличается комплексным подходом к мониторингу состояния пациента- начиная со скорой медицинской помощи и до палаты в ОРИТ. Система центрального мониторинга BeneVision CMS поддерживает интеграцию с основными системами жизнеобеспечения в ОРИТ и позволяет настроить сигналы тревог в зависимости от конкретного клинического сценария. Philips HealthCare ICCA позволяет непрерывно собирать данные не только с пациентов ОРИТ, но и с нестабильных пациентов стационарных отделений с применением мобильного ПО. Ни одна из названных систем не обладает достаточными возможностями для помощи в принятии решения о последующих действиях с пациентом, не отвечает требованиям обретения технологического суверенитета РФ. Наиболее функциональные из рассмотренных систем поддерживают работу только в экосистеме одного производителя медицинского оборудования ОРИТ.
Сеченовским университетом совместно с ООО «Дельрус» была инициирована разработка проекта «Интеллектуальная реанимация». Цель проекта: разработать программно-аппаратный комплекс «Интеллектуальная реанимация» для сбора и анализа данных и систему поддержки принятия врачебных решений (СППВР) в ОРИТ. В ходе выполнения проекта предполагается выполнение исследований по включению в единый цифровой контур ОРИТ персональных носимых устройств мониторинга. В текущем году на базе ОРИТ №1 УКБ №1 Сеченовского университета организовано пилотирование технологии сбора данных с одного койко-места пациента, оборудованного монитором пациента IntelliVue MX450, ИВЛ Hamilton C3, насососом инфузионным Perfusor Space, анализатором газов крови Radiometer ABL800 FLEX. В ходе пилотирования будет отработана технология передачи данных в цифровую биоресурсную коллекцию Сеченовского университета. Масштабирование решения на последующих этапах реализации проекта обеспечит сбор больших медицинских данных ОРИТ для дальнейшего машинного обучения ИИ и реализации СППВР. Ожидаемые итоги внедрения «Интеллектуальной реанимации»: снижение смертности в ОРИТ, повышение экономической эффективности лечения пациентов (оптимизация нагрузки на врачей и оборудование, снижение количества лабораторных данных [12]), повышение качества и доступности медицинской помощи за счет применения цифровых технологий.

Благодарности и финансирование
Данная работа выполнена в рамках программы стратегического академического лидерства "Приоритет 2030", реализуемой ФГАОУ ВО Первый МГМУ имени И.М. Сеченова Минздрава России (Сеченовский Университет).
Список литературы
[1] Falini S, Angelotti G, Cecconi M. ICU management based on big data. Curr Opin Anaesthesiol 2020;33:162–9. https://doi.org/10.1097/ACO.0000000000000834.
[2] Gutierrez G. Artificial Intelligence in the Intensive Care Unit. Crit Care 2020;24. https://doi.org/10.1186/S13054-020-2785-Y.
[3] Park J, Zhong X, Dong Y, Barwise A, Pickering BW. Investigating the cognitive capacity constraints of an ICU care team using a systems engineering approach. BMC Anesthesiol 2022;22. https://doi.org/10.1186/S12871-021-01548-7.
[4] Stead WW, Lin HS. Computational Technology for Effective Health Care: Immediate Steps and Strategic Directions. Computational Technology for Effective Health Care: Immediate Steps and Strategic Directions 2009:1–120. https://doi.org/10.17226/12572.
[5] Matthews KA, Adler NE, Forrest CB, Stead WW. Collecting psychosocial “vital signs” in electronic health records: Why now? What are they? What’s new for psychology? Am Psychol 2016;71:497–504. https://doi.org/10.1037/A0040317.
[6] Lutz H, Bender HJ. [Possibilities of computer use in anesthesia and intensive care medicine]. Anasth Intensivther Notfallmed 1986;21:68–71. https://doi.org/10.1055/s-2007-1002449.
[7] Fleuren LM, Klausch TLT, Zwager CL, Schoonmade LJ, Guo T, Roggeveen LF, et al. Machine learning for the prediction of sepsis: a systematic review and meta-analysis of diagnostic test accuracy. Intensive Care Med 2020;46:383. https://doi.org/10.1007/S00134-019-05872-Y.
[8] Lovejoy CA, Buch V, Maruthappu M. Artificial intelligence in the intensive care unit. Crit Care 2019;23. https://doi.org/10.1186/S13054-018-2301-9.
[9] Nistal-Nuño B. Artificial intelligence forecasting mortality at an intensive care unit and comparison to a logistic regression system. Einstein (Sao Paulo) 2021;19:eAO6283. https://doi.org/10.31744/EINSTEIN_JOURNAL/2021AO6283.
[10] Chen J, Pu H, Wang D. Artificial Intelligence Analysis of EEG Amplitude in Intensive Heart Care. J Healthc Eng 2021;2021. https://doi.org/10.1155/2021/6284035.
[11] Fu LH, Schwartz J, Moy A, Knaplund C, Kang MJ, Schnock KO, et al. Development and Validation of Early Warning Score System: A Systematic Literature Review. J Biomed Inform 2020;105:103410. https://doi.org/10.1016/J.JBI.2020.103410.
[12] Cismondi F, Celi LA, Fialho AS, Vieira SM, Reti SR, Sousa JMC, et al. Reducing unnecessary lab testing in the ICU with artificial intelligence. Int J Med Inform 2013;82:345–58. https://doi.org/10.1016/J.IJMEDINF.2012.11.017.

Раздел: Презентации