Die beispiellosen Anforderungen, die während der COVID-Pandemie an Gesundheitsdienstleister gestellt werden, unterstrichen einen immer akuter werdenden Bedarf an medizinischen Teams: schnelleren Zugriff auf mehr und detailliertere Patienteninformationen, um die Entscheidungsfindung zu beschleunigen. Das Volumen der Gesundheitsdaten ist in den letzten Jahren mit der Einführung einer Reihe neuer Techniken explodiert. Dies stellt eine wachsende Gelegenheit dar, neue und komplexere Intelligenz aus diesen Daten zu extrahieren.
Heute erfordert die Patientenversorgung, dass Ärzte und Kliniker eine Reihe von Datenströmen konsultiert, die aus einer umfassenden Liste von unterschiedlichen Geräten stammen. Diese Daten werden häufig in dem Moment verwendet, aber eine weitere Analyse kann zeitaufwändig und komplex sein.
UAB Medicine startet KI-basiertes Pilotprogramm mit MIC
UAB Medicine, eines der führenden akademischen medizinischen Zentren in den USA und ein anerkannter Vorreiter in erstklassiger Patientenversorgung, Forschung und Schulung, wollte schnell die Erkenntnisse aus dem Reichtum an Patientendaten, die wir generieren, analysieren und maximieren. Könnten neue Tools wie künstliche Intelligenz (KI) und maschinelles Lernen eingesetzt werden, um mehr Intelligenz aus Daten zu erhalten? Könnte UAB die Daten verwenden, um die Versorgung für einzelne Patienten weiter zu optimieren oder sogar Gesundheitsveranstaltungen vorherzusagen?
Die Abteilung für Anästhesiologie und Perioperative Medizin von UAB sucht Anworten auf diese Frage mit MIC, einem Softwareunternehmen, das sich auf klinische Überwachung in der stationären Umgebung von Krankenhäusern spezialisiert hat.
Das Ergebnis war eines der ersten Pilotprogramme seiner Art mit UAB Medicine, das auf der von der FDA zugelassenen Sickbay Plattform von MIC und Cisco und Intel® Technik basiert. Gemeinsam haben die Unternehmen ein neues Großmodell zur Datenerfassung und Synchronisierung entwickelt, und einen Weg nach vorn zur personalisierteren Pflege.
Die Herzstudie verfolgt einen neuen Ansatz zur Erschließung des Datenwerts
UAB Medicine begann mit der Implementierung der Plattform zur klinischen Überwachung in Echtzeit (RTCS) von Sickbay mit Intel-Technik in Operationssälen. Sickbay nutzt die Netzwerkarchitektur von Cisco, um eine sichere Integration der medizinischen Geräte in Messkurvenform von nicht vernetzten Geräten wie beispielsweise Nahinfrarotspektroskopie (NIRS) Lüfter, Anästhesiegeräte, extrakorporale Membranoxygenierung (ECMO), Elektroenzephalogramme (EEG) und mehr zu ermöglichen.
Dies ermöglichte es dem Team, eine kontinuierliche Datenüberwachung und Datenerfassung fast in Echtzeit zu erhalten, um eine retrospektive Analyse von kardiologischen Fällen zu ermitteln. Das Ziel war es, mehrere Änderungen während verschiedener Arten von Herzverfahren und in den verschiedenen Phasen dieser Verfahren zu analysieren. Die Ergebnisse können dann mit den verschiedenen Arten des verfügbaren Managements und der Medikamente korreliert werden.
„UAB war eine sehr datengesteuerte Einrichtung“, so Dr. Dan Berkowitz, Vorsitzender der Abteilung für Anästhesiologie und perioperative Medizin bei UAB. „Die Sickbay-Plattform ermöglicht es uns, diese hochauflösenden Informationen von jedem Überwachungsgerät, das wir haben, vollständig anbieterunabhängig zu erfassen und zu integrieren. Dies bildet eine tiefgreifend nützliche Basis für die Entdeckung und Echtzeit-Überwachung.“
Insgesamt gesehen erfordert die Herzanalyse eine große Menge an Zeitreihen-Daten, die aus Stunden von Operationsproben bestanden, die mit 120 Proben pro Sekunde gesammelt wurden und die Daten in einfache, anschauliche und nützliche Kurven umwandelten. Somit werden Daten in nützliche und nutzbare Informationen umgewandelt. Was dieses Pilotprojekt außergewöhnlich machte, war seine Reichweite. Während ähnliche Analysen zuvor durchgeführt wurden, haben sie einen einzigen Patienten gleichzeitig behandelt. Das Pilotprojekt von UAB sammelte Signale und errechnete die zerebralen Autoregulierungskurven sowie die Schlüsselwerte dieser Kurven für eine Stapelliste von 55 Patienten, auf anonymisierte Art und Weise, mit der Geschwindigkeit von nur 4 Minuten pro Patient.
„Wir glauben, dass es das erste Mal ist, dass diese Art von Analyse gleichzeitig bei Gruppen mehrerer Patienten durchgeführt wurde“, so Dr. Ryan Melvin, Principal Data Scientist in der Abteilung der Anästhesiologie und perioperativen Medizin bei UAB.
MIC unterstützt UAB Medicine bei der Zusammenführung von Daten für neue Erkenntnisse
Die Sickbay Plattform ermöglichte es UAB Medicine, zwei oder komplexere Signale zu kombinieren und umzuwandeln, um einen brandneuen, vollständigeren Überblick auf den Status des Patienten zu erstellen. Sobald die neue Kurve aufgebaut war, wollten UAB und MIC sie verwenden, um zwei Ziele zu meistern.
Das erste war die Identifizierung des optimalen Blutdrucks für jeden einzelnen Patienten während des Verfahrens auf Basis von Echtzeitinformationen, anstatt sich auf historische Daten oder Durchschnittswerte der Bevölkerung zu verlassen. Die neue angepasste Ansicht von Sickbay konsolidiert die Daten von Herz- und NIRS-Geräten über den Zustand des Patienten zu einem Zeitpunkt. Die Plattform verwendet dann die Daten, um den optimalen Blutdruck für diese Person während der kardiologischen Verfahren zu verfolgen. Diese zusätzlichen Erkenntnisse helfen dabei, einen umfassenderen Blick auf den Patienten zu erstellen, der die Mission zur Optimierung der Versorgung unterstützt, um sicherzustellen, dass das Gehirn des Patienten jederzeit den notwendigen Blutfluss erhält.
Das zweite Ziel, das langfristig angestrebt wird, ist es, über die Kurven-Visualisierung hinauszugehen, um Ärzten einen einzigen Blutdruckwert bereitzustellen, der alle paar Sekunden aktualisiert wird. Der Wert würde diesen empfohlenen Blutdruck des einzelnen Patienten bei jedem Schritt des Verfahrens angeben. 1
MIC Sickbay ermöglicht Zugriff auf Daten, die nie zuvor verfügbar waren
Die hochauflösenden Signale und API von Sickbay bildeten die Grundlage für das Pilotprojekt bei UAB Medicine. Die von der FDA zugelassene softwarebasierte Plattform hilft dem UAB-Team dabei, die Sammlung von Patientendaten vom Krankenbett zu automatisieren und sie Versorgungsteams zukommen zu lassen, egal wo sie sich befinden.
Durch die Zusammenführung der einmalig getrennten Datenquellen bietet Sickbay dem Personal von UAB Medicine Zugriff auf unbegrenzte retrospektive, vollständige offengelegte Messkurvendaten in Echtzeit, die in vielen Fällen noch nie zuvor verfügbar waren. Die Grundkenntnisse zur entfernten Ansicht dieser Daten ermöglichen einen zunehmend datengesteuerten Ansatz der täglichen Patientenversorgung, aber bieten auch neue Erkenntnisse um die Autoregulierung des Blutdrucks in kardiologischen Fällen herum. Diese Erkenntnisse können sich für Patienten und Ärzte als unschätzbar erweisen, was leistungsstarke Unterstützung für eine Reihe von kritischen klinischen und operativen Anforderungen bietet, einschließlich der Vorhersage von Herzstillständen.
Neues Modell verbessert den Prozess von UAB Medicine
„Was wir mit Sickbay entwickelt haben, gibt die Dinge vor, die wir voraussagen wollen, und wir können sie jederzeit aktualisieren und von überall aus überwachen“, so Dr. Melvin von UAB.
Mit skalierbarer, anbieterneutraler Architektur von SickBay kann das medizinische Team eine Anfrage an die hauseigene Analyseabteilung einreichen. Das IT-Team arbeitet dann mit dem medizinischen Team zusammen, um ein Tool zu erstellen, das genau das macht, was gewünscht wird. Die Lösung basiert auf Patienten von UAB und kann jederzeit geändert und angepasst werden, um die sich entwickelnden Anforderungen zu erfüllen. Auf alle Daten kann auf jedem webfähigen Gerät zugegriffen werden, um virtuelle Rundungen und Überwachung von fast überall zu ermöglichen, um die Ressourcen und eine bessere Zusammenarbeit effizienter zu verwenden.
„Bei unserer Arbeit mit UAB sahen wir uns an, wie wir eigentlich Modelle zur Berechnung und Unterstützung von Ärzten entwickeln, um die drohenden katastrophalen Abstürze oder Verschlechterungen vorherzusagen“, so Dr. Emma Fauss, CEO von MIC. „Wie sprechen wir das Problem der Datenerfassung und der Datensynchronisierung an, damit alles passiv erledigt wird? Es war eines unserer Ziele, dass man durch die Verwendung von Sickbay einen Spezialisten mit einem Ingenieur mit Bachelor-Abschluss zusammenbringen konnte und diese sollten in der Lage sein, innerhalb weniger Tage oder Wochen, Analysen zu erstellen und ihre Theorien zu testen.“
Vielversprechende Pilotprojektergebnisse für Patienten und Ärzte
Bei dem Pilotprojekt von UAB Medicine dauerte es sechs Monate, das System betriebsbereit zu machen, damit die UAB die Arbeit mit den Daten beginnen kann. Sobald die positiven Auswirkungen auf die Patientenergebnisse gezeigt werden können, haben die im Projekt erlernten Erkenntnisse das Potenzial, die Vorteile im gesamten Kontinuum der Versorgung zu bieten.
Die Vorteile für die Patientenversorgung
UAB Medicine und MIC konzentrieren sich jetzt auf die Validierung der Erkenntnisse und der Algorithmen zur Verarbeitung der Daten aus diesem Pilotprogramm. Das ultimative Ziel ist es, mit der Verwendung der Sickbay Plattform zu beginnen und mit dem was während des Autoregulierungsprojekts gelernt wurde, um die Entscheidungsfindung und die Patientenversorgung im Operationssaal, der Intensivstation und darüber hinaus zu verbessern.
Das Pilotprogramm der Technik unterstützt auch die Möglichkeit der Einführung einer zielgerichteten Therapie, anstatt sich auf herkömmliche Blutdruckmessmethoden zu verlassen. Das Krankenhaus könnte dann die dynamischen physiologischen Daten nehmen und mehr erfahren durch den Vergleich mit verschiedenen Bevölkerungsgruppen und verschiedenen Realtionskurven in diesen Bevölkerungsgruppen.
Durch die Verwendung von KI durch maschinelles Lernen ermöglicht Sickbay UAB Medicine, hochauflösende Signale in nahezu Echtzeit zu erfassen, um Ärzten zu helfen, einen Schritt näher an die Präzisionsmedizin zu kommen. Daten in Bezug auf andere Gesundheits- und Lebensstilprobleme können so eines Tages aufgenommen werden. Dies könnte die Sonnenexposition, die Mikrobiologie und das Genverhalten der Person umfassen. Das Licht und der Lärm ihrer Umgebung können berücksichtigt werden. Es könnte sogar die sozialen Medien oder Gaming-Aktivitäten einer Person umfassen, was die ultimative personalisierte Behandlung ermöglicht.
Die Vorteile für Arbeitsabläufe im Krankenhaus
Der Zugriff und die Synchronisierung der Daten bieten betriebliche Vorteile für das Krankenhaus und auch für seine Mitarbeiter. Bei Ärzten und Klinikern kann Sickbay Ärzten helfen, die Anforderungen zu minimieren, die mit der Integration vieler verschiedener Datenquellen und der Überprüfung auf ihr eigenes Wissen und der verfügbaren Literatur geliefert werden. Auf diese Weise können Ärzte Zeit zurückgewinnen und mehr Freiheit genießen, um sich darauf zu konzentrieren, was sie am besten können – die Entwicklung enger einfühlsamer Verbindungen mit ihren Patienten.
„Der endgültige Zweck der KI im Gesundheitswesen ist es, die kognitiven Belastungen für Anbieter zu lindern und gleichzeitig die Patientenergebnisse zu verbessern“, so Dr. Melvin von UAB. „Wenn es um ein Projekt geht, das letztlich nicht in der Lage ist, dieses Ziel zu liefern, denke ich nicht, dass es jemals an Popularität gewinnt. Dort bekommen Sie die Unterstützung der medizinischen Teams.“
Die Vorhersagefähigkeiten, die durch umfangreiche Patientendaten in Echtzeit möglich gemacht wurden, können auch Krankenhäuser ausstatten, um zukünftige Anforderungen besser vorherzusagen und effizienter zu arbeiten. Mit den Daten können Mitarbeiter feststellen, ob ein Patient die Intensivstation bald verlassen sollte oder zu lange bleibt? Können sie ein Gesundheitsevent oder einen Unfall vorhersagen oder verhindern? Wie sieht es aus damit, die Wahrscheinlichkeit einer erneuten Einlieferung oder die Anzahl oder Betten, die morgen notwendig sind, vorhersagen zu können?
Durch die Verwendung des Intel-basierten MIC-UAB-Modells können die Planungsentscheidungen auf zugänglichen Patientendaten basieren. Dies hilft Krankenhäusern wie UAB Medicine unerwünschte gesundheitliche Probleme bei Patienten besser zu identifizieren und zu vermeiden, während sie für diejenigen bessere Versorgung bieten, die sie erleben. Vorteile der Spitzenklasse umfassen eine bessere Wirksamkeit für Anbieter und eine bessere Gesamterfahrung für Patienten.
MIC und Intel: Eine gemeinsame Vision der Möglichkeit
Die Beziehung von MIC mit Intel begann mit der gemeinsamen Mission der Unternehmen, um die Idee der Datenerfassung am Netzwerkrand voranzubringen. Diese Zusammenarbeit unterstützte eine andauernde Partnerschaft, die heute viele Facetten bietet.
Intel Capital
Frühzeitige Engagements führten dazu, dass Intel im Rahmen seines Intel Capital Portfolio-Firmenprogramms in MIC investierte und sie unterstützte.
Intel® Prozessoren
Die MIC Sickbay Plattform ist auf einer dedizierten SaaS-basierten Plattform mit skalierbaren Intel® Xeon® Prozessoren mit hardwareverstärkter Sicherheit aufgebaut.
Intel Expertise
MIC kann dabei auf Intels umfangreiche Erfahrungen und Ressourcen sowie sein breites Technologieumfeld von Industriepartnern für die Hilfe bei Problemen zurückgreifen, die die Sicherheit, die föderierte Datenverwaltung, Infrastruktur, das Computing und das schnelle Prototyping und die Validierung von KI umfassen. Intel Experten beispielsweise haben die MIC-Architektur bewertet, um dabei zu helfen, zu validieren, dass sie eine sichere Lösung bereitstellt.
Intel Philosophie
„Ich glaube, dass das Arbeiten allein auf philosophischer Ebene mit dem Intel Team wunderbar war, da wir sehr an denselben Prinzipien ausgerichtet sind“, so Dr. Emma Fauss, CEO von MIC. „Wir sind beide von Ingenieuren gegründet. Wir möchten neugierig sein und die Probleme kreativ lösen, denen wir gegenüberstehen – nicht nur für unsere Kunden, sondern auch tatsächlich gründlich über die Chancen nachdenken, die vor uns liegen.“