I medici e gli ingegneri della Johns Hopkins sviluppano la ricerca di un programma di intelligenza artificiale che preveda accuratamente il rischio di “delirio in terapia intensiva”
Il modello di apprendimento automatico che hanno progettato ha dimostrato di funzionare in alcuni pazienti in terapia intensiva
Più di un terzo di tutte le persone ricoverate in ospedale e ben l’80% di tutti i pazienti in un’unità di terapia intensiva (ICU) sviluppa delirio, un tipo di disfunzione cerebrale caratterizzata da improvvisi attacchi di confusione, disattenzione, paranoia, o anche agitazione e allucinazioni. Un intensivista della Johns Hopkins Medicine, in collaborazione con gli studenti di ingegneria della Johns Hopkins University, riferisce di aver sviluppato algoritmi di intelligenza artificiale (AI) in grado di rilevare i primi segni premonitori del delirio e di prevedere, in qualsiasi momento durante una degenza in terapia intensiva, un rischio elevato di delirio per un numero significativo di pazienti.
“Essere in grado di distinguere tra pazienti a basso e ad alto rischio di delirio è incredibilmente importante in terapia intensiva perché ci consente di dedicare più risorse agli interventi nella popolazione ad alto rischio”, afferma Robert Stevens, MD , professore associato di anestesiologia e terapia critica. cura della medicina presso la Johns Hopkins University School of Medicine e autore senior dei nuovi risultati dello studio, pubblicati nel numero del 20 dicembre della rivista Anesthesiology . Stevens è anche direttore della medicina di precisione e dell’informatica e condirettore del Johns Hopkins Precision Medicine Center of Excellence in Neurocritical Care.
I medici sapevano già che il delirio in terapia intensiva si verifica più spesso nei pazienti anziani e più malati e che i pazienti in terapia intensiva che sviluppano delirio sono a maggior rischio di ospedalizzazione prolungata, futura demenza e morte. Gli interventi anti-delirium come i pacchetti di assistenza, il cambio di farmaci e la terapia occupazionale e fisica anticipata sono efficaci, affermano gli esperti, ma il tempo e le risorse limitati, nonché le esigenze spesso imprevedibili dei pazienti in terapia intensiva, impediscono alla maggior parte delle unità di terapia intensiva di utilizzarli in ogni paziente.
Il nuovo programma di intelligenza artificiale, progettato da studenti di ingegneria di livello universitario e master in un corso di medicina di precisione tenuto da Stevens, ha applicato algoritmi di intelligenza artificiale a un set di dati pubblicamente disponibile che copre oltre 200.000 ricoveri in terapia intensiva in 208 ospedali in tutto il paese.
“L’idea alla base era che questi dati raccolti regolarmente e archiviati nelle cartelle cliniche elettroniche dei pazienti contenessero firme associate al rischio di delirio”, afferma Kirby Gong, neolaureato presso il Dipartimento di ingegneria biomedica della Johns Hopkins e primo autore del nuovo opera.
Utilizzando i dati, il team ha sviluppato due modelli computerizzati per prevedere il rischio di delirio. Uno, un cosiddetto modello statico, scatta una singola istantanea dei dati del paziente poco dopo il ricovero – informazioni su età, gravità della malattia, altre diagnosi, variabili fisiologiche e farmaci attuali – per prevedere il rischio di delirio in qualsiasi momento durante una degenza ospedaliera. Il secondo, un cosiddetto modello dinamico, monitora le informazioni per ore e giorni, comprese le letture ripetute della pressione sanguigna, del polso e della temperatura, per fornire il rischio di delirio continuamente aggiornato del paziente nelle prossime 12 ore.
Una volta che i ricercatori hanno sviluppato i modelli di intelligenza artificiale, li hanno testati su altri due set di dati provenienti da un ospedale di Boston, coprendo complessivamente più di 100.000 ricoveri in terapia intensiva. L’area sotto la curva caratteristica operativa del ricevitore (IC 95%) per il primo modello di 24 ore era 0,785, il che significa che era in grado di prevedere quali pazienti avrebbero avuto delirio il 78,5% delle volte. Il modello dinamico ha funzionato ancora meglio, prevedendo pazienti inclini al delirio fino al 90% delle volte.
Stevens afferma che ora sta testando i modelli sui dati storici dei pazienti delle ICU della Johns Hopkins Medicine e prevede di progettare uno studio clinico per testare l’uso degli algoritmi – e come potrebbero plasmare l’assistenza clinica – nei pazienti appena ricoverati in una ICU. Il suo laboratorio sta anche applicando approcci di intelligenza artificiale simili, spesso in collaborazione con studenti e docenti di ingegneria, per prevedere ictus, insufficienza cardiaca, embolie polmonari e altri eventi emergenti osservati nella medicina di terapia intensiva.
“Per molte di queste transizioni fisiologiche, pensiamo che ci siano segnali premonitori che potrebbero non essere ovvi per un medico, ma che possono essere rilevati utilizzando il tipo di analisi dei pattern supportata dall’intelligenza artificiale che abbiamo usato qui”, afferma Stevens.
Oltre a Robert Stevens e Kirby Gong, altri autori del documento di Anestesiologia sono Akaash Sanyal, Joanna Guo, Han Kim, Hieu Nguyen, Joseph Greenstein e Raimond Winslow della Johns Hopkins;
Ryan Ly della Northwestern University; e Teya Bergamaschi del Massachusetts Institute of Technology.
La ricerca è stata supportata esclusivamente da fonti istituzionali e/o dipartimentali presso la Johns Hopkins University.
