Sztuczna inteligencja wykryje zakażenia. Premierowe wdrożenie systemu AI w szpitalu

Sztuczna inteligencja w medycynie często kojarzy się z analizą obrazów, robotyką albo zapowiedziami przełomów w diagnostyce. Praktyka szpitalna East Kent Hospitals NHS Trust (EKHUFT) pokazuje jednak, że z powodzeniem systemy SI mogą stanowić część procesu monitorowania stanu chorych, pomagając lekarzom w identyfikowaniu zakażeń na wczesnym etapie.

Wdrożony już w system szpitala MEMORI analizuje dane kliniczne (jak wyniki badań krwi, ciśnienie krwi i temperatura) po czym je ze sobą zestawia, identyfikując powtarzające się zależności mogące wskazywać na rozwijającą się infekcję, aby określając indywidualny poziom ryzyka zakażenia dla każdego pacjenta.

System generuje wynik - tzw. wynik pamięciowy - który wskazuje, czy pacjent jest narażony na ryzyko wystąpienia infekcji, zanim faktycznie zaobserwujemy jej rozwój.
Julie Jones, kierowniczka oddziału

Jak MEMORI analizuje dane

MEMORI powstał w ramach współpracy szpitala z brytyjską firmą medtech – Sanome. Został on już zintegrowany z używanym w szpitalu oprogramowaniem Sunrise. Personel ma więc dostęp do jego wskazań w znanych już sobie widokach, takich jak lista pacjentów, tablica śledzenia czy arkusz przepływu.

Zadaniem systemu jest przetwarzanie rutynowo gromadzonych danych z dokumentacji medycznej i tworzenie na ich podstawie oceny ryzyka wystąpienia zakażenia. Ma to pomóc zespołom medycznym wcześniej wychwytywać niepokojące sygnały, szybciej przeprowadzać ocenę kliniczną i podejmować odpowiednie interwencje.

W założeniu system ma zwiększać bezpieczeństwo pacjentów, poprawiać wyniki leczenia i ograniczać obciążenie personelu, który nie musi poświęcać tyle czasu na ręczne przeglądanie dokumentacji.

(MEMORI - red.) ma niesamowity potencjał w zakresie wczesnego rozpoznawania objawów infekcji, ostrzegania lekarzy o konieczności zbadania pacjenta i potencjalnej zmiany planu leczenia.
Julie Jones, kierowniczka oddziału

Nie każdy pacjent otrzyma jednak wynik z MEMORI. Gdy chory znajduje się poza zatwierdzonym obszarem wdrożenia albo gdy określone dane (jak SpO₂ Scale 2) nie powinny być wykorzystane do oceny, system odmówi analizy. Jest to celowy mechanizm bezpieczeństwa.

System ma odciążać lekarzy

Wdrożenie MEMORI w EKHUFT opiera się na założeniu, że technologia ma wzmacniać pracę personelu, a nie przejmować jego rolę. System stanowi dodatkowe wsparcie dla oceny klinicznej, ale nie zastępuje decyzji lekarzy, wskaźnika NEWS2 czy obowiązujących w Trust ścieżek eskalacji.

Jak podkreślała Julie Jones, nie chodzi o zastępowanie pracowników, a o realną pomoc w ich codziennych zadaniach. Dlatego też MEMORI nie został też narzucony odgórnie. Sanome rozwijało go w modelu współprojektowania – pielęgniarki, pracownicy ochrony zdrowia, konsultanci i terapeuci uczestniczyli w opracowywaniu alertów i sprawdzaniu, czy narzędzie wspiera praktykę kliniczną nie dokładając personelowi kolejnych obowiązków. System dzięki temu ma łatwiej wpisywać się w szpitalną rutynę i wspierać bezpieczne podejmowanie decyzji – z narzędzia codziennie korzysta 85 proc. lekarzy.

Kiedy lekarze pomagają w kształtowaniu narzędzi cyfrowych, ich wdrażanie jest łatwiejsze, a technologia staje się naturalną częścią klinicznego przepływu pracy.
Rzecznik Sanome

Jak opisuje BBC, system wpisuje się w dziesięcioletni plan NHS zakładający odchodzenie od rozwiązań analogowych na rzecz cyfrowych i szersze wykorzystanie narzędzi AI. Współpraca z Sanome również ma być w przyszłości rozwijana także poza obszar przewidywania zakażeń szpitalnych.