La sicurezza dei pazienti nelle unità di terapia intensiva potrebbe essere notevolmente migliorata se i falsi allarmi venissero notevolmente ridotti e si potessero prevedere complicazioni critiche come le crisi epilettiche. È qui che entra in gioco il progetto "ICU Cockpit" del Programma Nazionale di Ricerca "Big Data" (NRP 75).
Un singolo paziente critico trattato in terapia intensiva o in un reparto di emergenza genera fino a 100 GB di dati al giorno. I dati derivano dal monitoraggio dei pazienti, ma anche da esami come tomografie e risonanze magnetiche, valori di laboratorio e biosensori. Il flusso di informazioni spesso finisce per non essere utilizzato per il riconoscimento tempestivo delle valutazioni dei rischi o per prendere decisioni rapide.
I sistemi di monitoraggio convenzionali fanno scattare circa 700 allarmi per paziente al giorno, ovvero circa un allarme ogni due minuti. Una parte considerevole di questi sono falsi allarmi. Se il numero di falsi allarmi potesse essere ridotto in modo significativo, la quantità di dati percepiti come importanti per effettuare una valutazione sarebbe molto minore, il che renderebbe più facile e veloce l'identificazione di situazioni critiche e quindi aumenterebbe la sicurezza del paziente.
Il reparto di terapia intensiva neurochirurgica dello Universitats Spital Zurich, il Politecnico federale di Zurigo (Eidgenössische Technische Hochschule Zürich, ETH) e IBM Research stanno lavorando a questo obiettivo nell'ambito del progetto "ICU Cockpit". La responsabile del progetto Emanuela Keller ha descritto l'obiettivo a lungo termine: "Con questo progetto vogliamo avviare uno sviluppo fondamentale nella medicina d'urgenza e nella terapia intensiva, migliorando così in modo significativo il nostro modo di lavorare nella pratica clinica quotidiana".
Per il progetto sono stati sistematicamente raccolti dati provenienti da più di 400 pazienti. Sono state utilizzate anche registrazioni video. Tutti i dati sono stati resi anonimi prima dell'ulteriore elaborazione. I pazienti in terapia intensiva sono molto vulnerabili sotto vari aspetti, per cui i loro dati sono stati particolarmente protetti. A partire dai dati, i ricercatori hanno sviluppato procedure per tre obiettivi rilevanti: filtrare i falsi allarmi, individuare precocemente le crisi epilettiche, rilevare precocemente i danni cerebrali secondari.
Queste ultime due procedure mirano a identificare le possibilità di rischi e ad avvertire di eventi critici imminenti, al fine di rafforzare gli elementi per una prognosi. Ciò consente un intervento terapeutico precoce, che migliora la qualità del trattamento.
Oggi le decisioni terapeutiche sono spesso prese in modo empirico, sulla base dell'esperienza e delle conoscenze dei soggetti coinvolti. Sarebbe auspicabile supportare le decisioni con analisi dei dati disponibili in tempo reale e con le più recenti conoscenze mediche provenienti da altre fonti, ad esempio da banche dati armonizzate a livello globale. Il progetto sta gradualmente stabilendo il processo per far sì che questo diventi realtà.
Le procedure devono essere testate con ulteriori set di dati e poi implementate direttamente nel prossimo studio istituito nell'ambito della routine clinica quotidiana dell'Ospedale universitario di Zurigo. I risultati dell'analisi dei dati devono essere presentati visivamente e quindi le possibilità di rischio vengono rilevate automaticamente nei reparti di terapia intensiva dei pazienti. Inoltre, la collaborazione con IBM Research continuerà a costruire processi in cui la videosorveglianza viene utilizzata per rilevare crisi epilettiche e altri disturbi neurologici. Queste procedure si basano su registrazioni video dei dati raccolti e le tecnologie create aiuteranno la ricerca e il monitoraggio dei pazienti affetti da ictus con paralisi.
Fonte: Press release. Big Data makes intensive care better. Swiss National Science Foundation. 02 dec 2019