Jak AI może pomagać na oddziale intensywnej terapii (OIT) w szpitalu?

Na oddziale intensywnej terapii AI może najbardziej pomóc w trzech miejscach: przy filtrowaniu alarmu ze stanowisk monitorowania, przy wczesnym wychwytywaniu pogorszenia stanu pacjenta oraz przy odciążeniu personelu z dokumentacji, która na OIT jest wyjątkowo ciężka. Nie chodzi o zastąpienie intensywisty ani pielęgniarki przy łóżku pacjenta. Chodzi o to, żeby personel miał pełny obraz sytuacji szybciej i nie tracił czasu na rzeczy, które algorytm zrobi pewniej i bez zmęczenia.

Alarm fatigue: dlaczego OIT szczególnie potrzebuje filtrowania

Każde stanowisko na oddziale intensywnej terapii jest podłączone jednocześnie do kilku urządzeń: monitora parametrów życiowych, respiratora, pomp infuzyjnych, pulsoksymetru. Każde z nich generuje własne alarmy. Przy pełnym oddziale daje to kilkaset sygnałów na dobę na jedno stanowisko. Większość z nich nie oznacza realnego zagrożenia dla pacjenta.

Są to: chwilowa utrata kontaktu elektrody, desaturacja po odessaniu wydzieliny, która mija po kilkudziesięciu sekundach, alarm ciśnieniowy respiratora wywołany kaszlem. Personel uczy się tego szybko i zaczyna traktować dźwięk alarmu jak tło. To zjawisko nazywa się alarm fatigue i jest dobrze opisane jako czynnik ryzyka opóźnionej reakcji na naprawdę krytyczny sygnał.

AI może działać jako filtr. Analizuje wzorzec alarmu w kontekście innych parametrów z tego stanowiska i historii danego pacjenta. Jeśli desaturacja po każdym odessaniu wraca do normy w ciągu kilkudziesięciu sekund, system rozpoznaje ten wzorzec jako typowy dla tego pacjenta i obniża priorytet alarmu. Sygnał, który odbiega od wzorca, dostaje wyższy priorytet i trafia do pielęgniarki dyżurnej osobnym alertem na ekran albo tablet.

U jednego z naszych klientów wdrożenie takiego filtrowania na kilku stanowiskach OIT sprawiło, że personel przestał traktować każdy sygnał jako hałas tła i zaczął reagować inaczej, bo wiedział: jeśli alert przyszedł na tablet dyżurny, to jest powód.

Wczesne ostrzeganie: co AI wychwytuje, zanim człowiek zdąży zestawić dane

Na OIT szczególnie przydatne są systemy łączące wiele parametrów naraz, a nie oceniające każdy z osobna. Dobrym przykładem jest ocena ryzyka sepsy. Zmiana tętna, częstości oddechu, temperatury i leukocytów osobno nie zawsze daje jednoznaczny sygnał. Razem, z uwzględnieniem trendu z ostatnich kilku godzin, mogą wskazywać na rozwijający się wstrząs septyczny zanim parametry przekroczą progi alarmowe.

AI analizuje takie wzorce w czasie rzeczywistym dla każdego pacjenta na oddziale jednocześnie. Pielęgniarka obsługująca cztery stanowiska nie jest w stanie mieć takiego pełnego obrazu przez cały 12-godzinny dyżur. Po prostu fizycznie nie nadąża.

W praktyce system wyświetla na stanowisku pielęgniarki alert z informacją o tym, co się zmienia i w jakim kierunku idzie trend. Nie wydaje diagnozy. Mówi: "w ciągu ostatnich 3 godzin wzrósł lactate, przy jednoczesnym spadku diurezy o połowę w stosunku do poprzednich 6 godzin." To wystarczy, żeby skierować uwagę we właściwe miejsce.

AI może też automatycznie liczyć skale ciężkości stanu pacjenta: SOFA, APACHE II, SAPS II. Każda wymaga zebrania kilkunastu danych z różnych miejsc dokumentacji i przeliczenia. Przy dużym obciążeniu oddziału ten krok bywa odkładany albo robiony na skróty. Algorytm pobiera wszystkie potrzebne wartości z elektronicznej dokumentacji, wylicza skalę i przygotowuje wynik do potwierdzenia przez lekarza. Żadna wartość nie wypada przy przeliczaniu.

Dokumentacja na OIT: ile czasu to naprawdę zajmuje

Karta obserwacji pacjenta na OIT wymaga wpisywania parametrów co godzinę lub częściej, bilansu płynów co kilka godzin, parametrów respiratora po każdej zmianie ustawień, dawek leków vazoaktywnych, wyników gazometrii, oceny świadomości według skali. Przy ośmiu pacjentach i dwóch pielęgniarkach na dyżurze spora część aktywności schodzi na wypełnianie rubryk zamiast na bezpośrednią opiekę przy łóżku.

AI może to zmienić przez automatyczne pobieranie danych ze stanowisk monitorowania do systemu HIS. Tam, gdzie system szpitalny jest zintegrowany z monitorami, parametry trafiają do karty pacjenta bez ręcznego przepisywania. Personel potwierdza poprawność odczytu albo koryguje, ale nie wpisuje wartości od zera.

Przy dokumentacji lekarskiej AI może przygotować szkic raportu przekazania dyżuru na podstawie danych z ostatnich 8-12 godzin: parametry, zmiany w farmakoterapii, wyniki badań, aktywne problemy kliniczne. Lekarz otwiera, czyta, dopisuje ocenę kliniczną i podpisuje. Zamiast dwudziestu minut pisania: kilka minut weryfikacji.

Typowo wygląda to tak: lekarz kończący dyżur otwiera wygenerowany przez system projekt opisu, sprawdza, czy algorytm czegoś nie pominął, dopisuje swoją ocenę prognostyczną i zatwierdza. Treść kliniczna zawsze wymaga lekarza. Zebranie i ustrukturyzowanie danych z systemu: to może zrobić algorytm.

Farmakoterapia na OIT: wsparcie przy dawkowaniu i interakcjach

Pacjent na OIT może przyjmować jednocześnie kilkanaście leków: sedacja, analgezja, antybiotyki w leczeniu zakażenia, leki vazoaktywne przy wstrząsie, leczenie choroby podstawowej, profilaktyka przeciwzakrzepowa. Ryzyko interakcji i kumulacji jest realne, a czas na ich sprawdzanie w nocy, kiedy dyżurny obsługuje kilka oddziałów, jest krótki.

AI może sprawdzać każde nowe zlecenie pod kątem interakcji z aktualną farmakoterapią i alarmować, gdy coś wymaga uwagi, zanim lekarz zatwierdzi zlecenie. Nie blokuje decyzji klinicznej. Daje informację na czas, nie po fakcie.

Przy dawkowaniu leków zależnych od wagi, funkcji nerek albo aktualnych wyników badań, AI może zaproponować wyliczoną dawkę jako punkt wyjścia. Przydatne zwłaszcza przy antybiotykoterapii, gdzie dawkowanie zależy od wartości eGFR albo wyników TDM, i gdzie błąd w przeliczeniu ma bezpośrednie kliniczne konsekwencje. Lekarz weryfikuje i decyduje. AI nie zleca.

Weaning i respirator: co AI może podpowiadać

Jedną z trudniejszych decyzji na OIT jest ocena gotowości pacjenta do odłączenia od respiratora. Za wcześnie: ryzyko niepowodzenia ekstubacji i powrotu do wentylacji mechanicznej. Za późno: dłuższy pobyt na OIT, ryzyko zapalenia płuc związanego z wentylacją.

AI może na bieżąco oceniać parametry wentylacji i dane kliniczne pod kątem gotowości do próby spontanicznego oddechu (SBT), korzystając z protokołu przyjętego na oddziale. Gdy warunki są spełnione, system daje sygnał, że warto rozważyć próbę odłączenia. Decyzja zawsze należy do intensywisty, który zna całą historię pacjenta. Ale algorytm może to wyczuć wcześniej i żaden pacjent nie zostaje na respiratorze dłużej niż trzeba tylko dlatego, że dyżurny był zajęty na innym stanowisku.

Podobnie przy bieżącej ocenie parametrów wentylacji: AI może na jednym ekranie zbiorczym wyświetlać compliance, driving pressure, FiO2 i SpO2 z trendami dla każdego pacjenta i flagować stany wymagające korekty ustawień. Jedno spojrzenie zamiast obchodzenia każdego stanowiska z osobna.

Od czego zacząć wdrożenie AI na OIT

Wdrożenie AI na OIT różni się od wdrożenia na oddziale internistycznym. Dane są bardziej wrażliwe i bardziej złożone. Systemy monitorowania bywają od różnych producentów i z różnymi interfejsami do eksportu danych w czasie rzeczywistym. Personel jest przyzwyczajony do konkretnych narzędzi i protokołów i nie przyjmie czegoś, co zakłóca rytm pracy przy pacjencie w stanie krytycznym.

Dobre miejsca na start:

• Integracja monitorowania ze stanowisk z systemem HIS i automatyczne pobieranie parametrów do karty pacjenta. Korzyść jest widoczna od razu, a wdrożenie nie zmienia trybu pracy klinicznej.
• Automatyczne obliczanie skal SOFA, APACHE II, SAPS II na podstawie danych już obecnych w dokumentacji elektronicznej. Mały projekt, wymierna oszczędność czasu, żadna zmiana w protokole klinicznym.
• Filtrowanie alarmów na jednym odcinku pilotażowym i ocena przez personel, zanim projekt rozejdzie się na cały oddział.

Przed startem warto sprawdzić kilka rzeczy:

• Jakie systemy monitorowania są na OIT i kto jest ich producentem?
• Czy jest już system zbiorczego monitorowania (CMS) albo integracja z HIS?
• Jaki HIS i EDM są na oddziale i jakie mają otwarte interfejsy?
• Kto z personelu klinicznego będzie prowadzić projekt od strony OIT?

Personel OIT jest wymagającym odbiorcą. Każde nowe narzędzie ocenia szybko i bez litości: albo pomaga, albo nie. Najlepiej zaczynać od problemu, który pielęgniarki i lekarze sami wymieniają jako uciążliwy, a nie od funkcji, która wygląda dobrze w prezentacji dostawcy. Jeśli nie wiecie, od czego zacząć rozmowę z własnym personelem OIT, dobrym punktem wyjścia jest pytanie: "co na tym dyżurze zajęło ci najwięcej czasu, a nie powinno?"

Jeśli chcesz sprawdzić, co AI mógłby realnie zrobić na waszym OIT, możemy zacząć od bezpłatnego audytu. Przyjedziemy albo połączymy się zdalnie, przejdziemy przez systemy monitorowania, HIS i rzeczywiste trudności personelu, a potem pokażemy, co dałoby efekt najszybciej. Realne wdrożenia ze szpitali w Polsce mogą też dać dobry punkt odniesienia przed rozmową z dostawcą.