Onderzoekers van het MIT en het Massachusetts General Hospital (MGH) hebben een voorspellend model ontwikkeld dat clinici kan helpen bij het beslissen wanneer ze potentieel levensreddende medicijnen moeten geven aan patiënten die worden behandeld voor sepsis op de eerste hulp.

Sepsis is een van de meest voorkomende oorzaken van opname, en een van de meest voorkomende doodsoorzaken, op de intensive care. Maar de overgrote meerderheid van deze patiënten komt eerst binnen via de ER. De behandeling begint meestal met antibiotica en intraveneuze vloeistoffen, een paar liter per keer. Als patiënten niet goed reageren, ze kunnen in een septische shock raken, waar hun bloeddruk gevaarlijk laag daalt en organen falen. Dan is het vaak naar de IC, waar clinici de vloeistoffen kunnen verminderen of stoppen en beginnen met vasopressormedicatie zoals noradrenaline en dopamine, om de bloeddruk van de patiënt te verhogen en te handhaven.

Dat is waar dingen lastig kunnen worden. Het te lang toedienen van vloeistoffen heeft mogelijk geen zin en kan zelfs orgaanschade veroorzaken, dus vroege vasopressor-interventie kan gunstig zijn. In feite, vroege toediening van vasopressoren is in verband gebracht met een verbeterde mortaliteit bij septische shock. Anderzijds, te vroeg toedienen van vasopressoren, of wanneer niet nodig, heeft zijn eigen negatieve gevolgen voor de gezondheid, zoals hartritmestoornissen en celbeschadiging. Maar er is geen duidelijk antwoord op wanneer deze overgang moet worden gemaakt; clinici moeten doorgaans de bloeddruk en andere symptomen van de patiënt nauwlettend in de gaten houden, en dan een oordeel vellen.

In een paper die deze week wordt gepresenteerd op het jaarlijkse symposium van de American Medical Informatics Association, de MIT- en MGH-onderzoekers beschrijven een model dat "leert" van gezondheidsgegevens over sepsispatiënten in de spoedeisende hulp en voorspelt of een patiënt binnen enkele uren vasopressoren nodig zal hebben. Voor de studie, de onderzoekers verzamelden de allereerste dataset in zijn soort voor ER-sepsispatiënten. Bij het testen, het model kon meer dan 80 procent van de tijd een behoefte aan een vasopressor voorspellen.

Vroege voorspelling zou kunnen, onder andere, een onnodig IC-verblijf te voorkomen voor een patiënt die geen vasopressoren nodig heeft, of begin vroeg met de voorbereiding op de IC voor een patiënt die dat wel doet, zeggen de onderzoekers.

"Het is belangrijk om een ​​goed onderscheidingsvermogen te hebben tussen wie vasopressoren nodig heeft en wie niet [in de ER], " zegt eerste auteur Varesh Prasad, een doctoraat student in het Harvard-MIT-programma in gezondheidswetenschappen en technologie. "We kunnen binnen een paar uur voorspellen of een patiënt vasopressoren nodig heeft. Als, in die tijd, patiënten kregen drie liter IV-vloeistof, dat is misschien overdreven. Als we van tevoren wisten dat die liters toch niet zouden helpen, ze hadden eerder met vasopressoren kunnen beginnen."

In een klinische setting, het model zou kunnen worden geïmplementeerd in een bedmonitor, bijvoorbeeld, die patiënten volgt en waarschuwingen stuurt naar clinici in de vaak hectische ER over wanneer ze vasopressoren moeten starten en vloeistoffen moeten verminderen. "Dit model zou een bewakings- of bewakingssysteem zijn dat op de achtergrond werkt, " zegt co-auteur Thomas Heldt, de W. M. Keck Career Development Professor aan het MIT Institute of Medical Engineering and Science. "Er zijn veel gevallen van sepsis die [clinici] duidelijk begrijpen, of geen ondersteuning nodig hebben bij. De patiënten kunnen bij de eerste presentatie zo ziek zijn dat de artsen precies weten wat ze moeten doen. Maar er is ook een 'grijze zone, ' waar dit soort tools heel belangrijk worden."

Co-auteurs van het papier zijn James C. Lynch, een MIT-afgestudeerde student; en Trent D. Gillingham, Saurav Nepal, Michael R. Filbin, en Andrew T. Reisner, allemaal van MGH. Heldt is ook een assistent-professor in elektrische en biomedische technologie aan de afdeling Elektrotechniek en Computerwetenschappen van het MIT en hoofdonderzoeker in het Research Laboratory of Electronics.

Er zijn andere modellen gebouwd om te voorspellen welke patiënten risico lopen op sepsis, of wanneer vasopressoren moeten worden toegediend, op IC's. Maar dit is het eerste model dat getraind is op de taak voor de SEH, zegt Held. "[De ICU] is een later stadium voor de meeste sepsispatiënten. De ER is het eerste aanspreekpunt voor patiënten, waar u belangrijke beslissingen kunt nemen die een verschil kunnen maken in de uitkomst, ' zegt Held.

De belangrijkste uitdaging was het ontbreken van een ER-database. De onderzoekers werkten meerdere jaren samen met MGH-clinici om medische dossiers samen te stellen van bijna 186, 000 patiënten die van 2014 tot 2016 op de eerste hulp van MGH werden behandeld. Sommige patiënten in de dataset hadden binnen de eerste 48 uur na hun ziekenhuisbezoek vasopressoren gekregen, terwijl anderen dat niet hadden gedaan. Twee onderzoekers beoordeelden handmatig alle gegevens van patiënten met een waarschijnlijke septische shock om het exacte tijdstip van toediening van de vasopressor op te nemen, en andere aantekeningen. (De gemiddelde tijd vanaf de presentatie van sepsissymptomen tot het starten van de vasopressor was ongeveer zes uur.)

De records werden willekeurig gesplitst, met 70 procent gebruikt voor het trainen van het model en 30 procent voor het testen ervan. In opleiding, het model geëxtraheerd tot 28 van 58 mogelijke kenmerken van patiënten die wel of geen vasopressoren nodig hadden. Functies omvatten bloeddruk, verstreken tijd vanaf de eerste ER-opname, totaal toegediend vloeistofvolume, ademhalingsfrequentie, mentale status, zuurstofverzadiging, en veranderingen in het hartslagvolume - hoeveel bloed het hart per slag pompt.

Bij het testen, het model analyseert veel of al deze kenmerken bij een nieuwe patiënt op vaste tijdsintervallen en zoekt naar patronen die indicatief zijn voor een patiënt die uiteindelijk vasopressoren nodig had of niet. Op basis van die informatie, het doet een voorspelling, bij elke pauze, of de patiënt een vasopressor nodig heeft. Bij het voorspellen of patiënten vasopressoren nodig hebben in de komende twee of meer uur, het model was 80 tot 90 procent van de tijd correct, die een overmatige halve liter of meer toegediende vloeistof zou kunnen voorkomen, gemiddeld.

"Het model neemt in feite een set van huidige vitale functies, en een beetje van hoe het traject eruit ziet, en stelt vast dat deze huidige observatie suggereert dat deze patiënt vasopressoren nodig heeft, of deze reeks variabelen suggereert dat deze patiënt ze niet nodig zou hebben, ' zegt Prasad.

Volgende, de onderzoekers willen het werk uitbreiden om meer tools te produceren die voorspellen, live, als ER-patiënten in eerste instantie een risico lopen op sepsis of septische shock. "Het idee is om al deze tools te integreren in één pijplijn die de zorg zal helpen beheren vanaf het moment dat ze voor het eerst in de ER komen, ' zegt Prasad.

Het idee is om clinici op spoedeisende hulpafdelingen in grote ziekenhuizen zoals MGH, die ongeveer 110 ziet, 000 patiënten per jaar, focus op de populaties die het meeste risico lopen op sepsis. "Het probleem met sepsis is dat de presentatie van de patiënt vaak de ernst van het onderliggende ziekteproces logenstraft, "zegt Heldt. "Als iemand met zwakte binnenkomt en zich niet goed voelt, een klein beetje vocht kan vaak voldoende zijn. Maar, in sommige gevallen, ze hebben onderliggende sepsis en kunnen zeer snel verslechteren. We willen kunnen zien welke patiënten beter zijn geworden en welke zich op een kritiek pad bevinden als ze niet worden behandeld."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.