Kunstig intelligens spotter COVID-19-patienter før de går i kritisk tilstand

Sygdom og behandling 5. okt 2020 7 min Clinical Associate Professor Eske Kvanner Aasvang, Groupleader, Associate Professor MSK, PhD Helge Bjarup Dissing Sørensen Skrevet af Morten Busch

Patienter indlagt med COVID-19 kan gå fra stabil bedring til en stærk kritisk tilstand på ganske kort tid. Det stiller store krav til konstant overvågning af patienternes åndedræt og kredsløb, da hurtig behandling kan være afgørende for patientens overlevelse. Der er nu udviklet et intelligent trådløst klinisk støttesystem til 24/7-overvågning af coronapatienter. Overvågningen kan opdage ændringer hos patienter, inden de kommer i alvorlig kritisk tilstand.

For få og for travle sygeplejersker og læger kombineret på mangel på respiratorer og værnemidler har under coronakrisen kostet mange menneskeliv verden over. Sygdommens forløb kræver konstant overvågning af vitale parametre som iltmætning, respirationsfrekvens og kredsløb. En stor afvigelse i en af dem betyder ikke nødvendigvis fare. Til gengæld kan kombinationen af flere moderate afvigelser betyde, at patienten er på vej over i kritisk tilstand.

”En erfaren læge kan se mønstrene, men under en pandemi mangler der ofte læger. Det er nu lykkedes os at udvikle og træne et kunstigt intelligent overvågningssystem, der 24/7 kan overvåge coronapatienter og sende en alarm, når kombinationen af vitalparametre er faretruende. Vi har allerede observeret de første 100 COVID-19-patienter, og er klar til at implementere første version af et kunstig intelligens–støttet system nu. I kombination med nye behandlinger som fx remdesivir og binyrebarkhormon håber vi at forbedre overlevelsesgraden hos syge samt frigøre plejepersonale til at passe kritisk syge,” forklarer forskningsansvarlig overlæge ved anæstesiafdelingen på Rigshospitalet, Eske Kvanner Aasvang.

Det går galt, selvom alt gøres rigtigt

Eske Kvanner Aasvang er en af de tre opfindere af WARD-projektet (Wireless Assessment of Respiratory and circulatory Distress), der også tæller forskningsansvarlig overlæge Christian S. Meyhoff, Anæstesiafdelingen på Bispebjerg Hospital og klinisk forskningslektor, Institut for Klinisk Medicin, Københavns Universitet og forskningsleder Helge BD Sørensen, Biomedical Signal Processing & AI Research gruppeleder og lektor, DTU Sundhedsteknologi. Det multidisciplinære WARD-projekt var egentlig under udvikling for at kunne observere blandt andet kredsløb og vejrtrækning efter store operationer eller indlæggelse pga. svær medicinsk sygdom som kræft og KOL.

Gennem de sidste år har WARD-projektet derfor udviklet et trådløst monitoreringssystem med forskellige sensorer, der måler mere end 10 vigtige signaler fra patienter døgnet rundt – koblet til kunstig intelligens til medicinske og kirurgiske risikopatienter for at opdage komplikationer tidligere end ved standard sporadiske observationer.

”Det vi har stort fokus på lige nu er at bygge fremtidens overvågning af patienter udenfor opvågning og intensiv. Det er meningen, det skal erstatte den måde, vi holder øje med patienter i dag, hvor vi er afhængige af, at en sygeplejerske har tid og udstyr til at gøre det, med mange timer uden observation. Derfor udviklede vi WARD for at muliggøre tidlig påvisning af forværring af sygdom og for at kunne lave tidlige interventioner, der dermed vil reducere de hyppige og alvorlige komplikationer, der ofte ses,” forklarer Eske Kvanner Aasvang.

Selv hvis man gør alting efter protokollen ved operationer i dag, oplever op mod 30 % komplikationer, og med de nuværende hospitalsrutiner tjekkes patienter hver 8. time, og der kan nå at ske rigtig meget i den periode, der ikke observeres. Med det nye system kan man, hvis der opstår en komplikation, finde den i tide, og der kan handles, så snart den opstår.

”Med tiden kan den kunstige intelligens måske ligefrem forudse det, så man undgår at tilstanden forværres, fordyrende behandlinger, langvarig indlæggelse og at der opstår men. På den måde håber vi på at spare patienten for ubehag og skade ved operationer og samfundet for unødvendige udgifter,” siger Eske Kvanner Aasvang.

Næsten klar da corona ramte

Gennem WARD-projektets første fase havde forskerne udviklet et system bestående af trådløse sensorer, som sender data til en cloud computer, der via kunstig intelligens-algoritmer kan eliminere falske alarmer og beregne, om der skal sendes alarmer om kritiske tilstande til hospitalspersonalet via iPads.

”WARD kiggede oprindeligt på kirurgiske patienter, men vi havde også en stor søsterundersøgelse, som overvåger patienter indlagt med alvorlig forværring af KOL. Da COVID-19 ramte Danmark tilbage i marts, så kiggede vi tre initiativtagere til projektet på hinanden og sagde: ”Vi mener, vi har et oplagt projekt til at hjælpe patienter i Danmark med at få det bedre og også hjælpe vores kollegaer i sundhedsvæsenet,” fortæller Eske Kvanner Aasvang.

Da coronakrisen brød ud, var systemet derfor allerede testet på 700 kirurgiske og medicinske patienter, og med udstyret var forskerne derfor umiddelbart i stand at gå ud på afdelingerne og holde øje med COVID-19-patienter, også selvom der ikke er en sygeplejerske eller læge til stede. Systemet kan derimod fortælle via alarmer, at nu er der en hændelse på vej.

”Det er særligt kritisk ved COVID-19, hvor der ofte sker en akut forværring - hurtigt og uforudsigeligt - hos mange af patienterne, og da det var nogle af de samme parametre som iltmætning af blod samt frekvens for lunger og hjerter, der skal måles, er det lykkedes at tilrette systemet til coronapatienter i løbet af ganske få uger,” siger Eske Kvanner Aasvang.

Læger og sygeplejersker bestemmer

Selve udviklingen af sensorsystemet har taget sit udgangspunkt i klinisk praksis i dag, hvor man i løbet af et døgn måler få gange manuelt på højrisikopatienter, herunder COVID-19-patienter. WARD-systemet overvåger patienter via sensorerne og sender så rå-signalerne trådløst til en cloud computer, der kan analysere dem inspireret af den måde, læger ser signalerne på.

”Vi har bedt læger om lægevidenskabeligt at beskrive, hvordan de analyserer signaler og finder komplikationer ud fra disse. Derefter har vi udviklet matematiske modeller, der automatisk estimerer disse komplikationer og tidlige biomarkører for disse komplikationer,” forklarer forskningsleder Helge BD Sørensen, Biomedical Signal Processing & AI Research gruppeleder og Assoc. Professor, DTU Sundhedsteknologi.

Det tætte samarbejde med læger og sundhedsprofessionelle har været helt centralt for udviklingen af systemet. Faktisk er det ifølge Helge BD Sørensen hele grundlaget for, at forskningen bliver en succes, at man tager grundigt udgangspunkt i de udfordringer, som findes i sundhedssektoren. Derfra kan forskerne så forsøge at udvikle nye, innovative løsninger.

”Et godt eksempel på samarbejdet ser vi lige nu, hvor læger og sygeplejersker vurderer og stiller krav til brugergrænsefladen på deres smartphone/mobiltelefon. Den brugergrænseflade har de været 100 % inde over, og vi har givet dem frie hænder til at ønske designet, som de vil have det, fordi vi skal sikre, at de vil bruge det, og vi retter så vidt muligt alt efter, hvad de måtte ønske,” fortæller Helge BD Sørensen.

De er meget forvirrede

Eske Kvanner Aasvang sammenligner det nuværende system med periodiske kontroller med en flyvetur med bind for øjnene, hvor man kun kigger ned på sjældne og tilfældige tidspunkter.

”Med det nye system har vi øjnene åbne hele tiden. Når alarmen ringer ved sygeplejersken eller lægen, at der er brug for dem til at behandle de meget alvorlige komplikationer, der kommer hos nogle af COVID-patienterne. Med den sikkerhed, vi har i systemet nu, kunne vi i princippet sende de andre patienter hjem, fordi vi holder øje med dem, og indlægge dem, hvis de viser tegn på at blive kritisk syge,” siger Eske Kvanner Aasvang.

”Systemet har også den store fordel, at der ikke er direkte behov for fysisk kontakt mellem patient og behandler. Vi kan holde øje på afstand, og det reducerer smitterisiko for plejepersonale ligesom de dengang sparsomme værnemidler ikke skulle bruges i samme udstrækning,” uddyber Eske Kvanner Aasvang.

Selv om WARD-systemet er udviklet til et andet formål, er det allerede klar til at blive rullet ud til den nuværende og fremtidige virusepidemier. Foreløbig er 100 coronapatienter blevet monitoreret med WARD-systemet indtil august måned, og disse data sammen med dem fra fremtidige patienter bliver brugt til at træne den kunstige intelligens til COVID-19-patienter.

”Der skal en erfaren læge til at se de samme mønstre, som WARD-systemet kan se, og når vi har trænet systemet, kan vi muligvis se mønstre, som vi ikke har set før, og som overgår selv de bedste lægers manuelle vurdering, så nu man vi rette vores opmærksomhed mod de helt rette patienter,” siger Eske Kvanner Aasvang.

Kan effektivisere medicinering

Systemet er hidtil blevet testet på dem, der er mest syge. Og her ser forskerne, at ca. 70 % af patienterne har haft meget langvarige forløb med nedsat iltning - langvarige forløb, som kommer hyppigt i løbet af dagen, og hver hændelse varer i lang tid

”Det kan være helt op til tre kvarter med en iltningsgrad, der er så lav, at man må forvente, at det faktisk også kan påvirke andre organsystemer, hjertet især, men også hjernen, og det er det vi ser hos nogle patienter. De er meget forvirrede, når de kommer ind, fordi de simpelthen mangler ilt i hovedet. Nu kan vi så i tide se, når de her episoder opstår, så kan man også hurtigere gøre noget," forklarer Eske Kvanner Aasvang. 

På den måde kan læger og sygeplejersker også frigøres til deres virkelige kerneopgave – at behandle syge. 

",="" serif;="" font-size:="" 20px;"="">"Og med udviklingen af nye typer af medicin som fx remdesivir, der – for at være effektivt - skal gives lige inden, du går ind i den mest kritiske fase, kan vi med WARD-systemet finde de patienter, der kan have gavn af medicinen og give dem den på det helt rigtige tidspunkt," siger Eske Kvanner Aasvang.

Kæmpe uopfyldt behov

Forskerne er lige nu ved at evaluere, hvordan det ser ud med forløb for patienter, der har WARD-udstyret på og de, der ikke har deres udstyr på. Fra de data, de har allerede har nu, kan de se, at systemet potentielt kan forkorte varigheden af stærk nedsat iltning blandt meget syge patienter.

”Nogle patienter kan klare sig med, at vi giver lidt mere ilt på næsen. Nogle patienter får det bedre med lungefysioterapi, men nogle patienter vil også have behov for en respirator, så præcis hvad man skal gøre, det lader vi selvfølgelig personalet om, men det er oplagt, at når man har et system som vores, så indbygger vi det der, hedder real-time dedikeret selvlærende adfærd,” siger Eske Kvanner Aasvang.

På grund af WARD-systemets store potentiale til at spotte komplikationer hos COVID-19-patienter har danske regioner valgt at støtte projektet med 5,5 mio. kr. til at få det første hardware ud i alle landets regioner, og der er nu opbygget kapacitet til at holde øje med 250 patienter på én gang nu, men systemet er fuldt skalerbar og kunne potentielt overvåge et ubegrænset antal patienter.

”Vi mener, at der er et kæmpe uopfyldt behov for at tage det her til næste generation. Det er helt gammeldags, at vi stadig observerer og måler på den måde, vi gjorde i start-80'erne. Telefoner blev jo trådløse for mange år siden, så det er mærkeligt, at vi stadig render rundt med det her på hospitalerne. Trådløse sensorer er jo fremtiden, og integrationen af de trådløse sensorer, den kunstige intelligens, med det her meget kliniske fokus vil helt sikkert redde mange menneskeliv,” lyder det afslutningsvis fra Eske Kvanner Aasvang.

WARD i podcast-format

I podcasten Forskningsfortællinger fortæller Eske Kvanner Aasvang og Helge BD Sørensen mere om WARD og systemet potentiale i sundhedsvæsenet. 


Du kan også finde podcasten på bl.a. Apple Podcasts og Spotify.

Eske Kvanner Aasvang, Christian S. Meyhoff og Helge BD Sørensen modtog 3,9 mio. kr. til projektet ”COVID-19 WARD” fra Novo Nordisk Fondens akutpulje til at afbøde de sundhedsmæssige konsekvenser af COVID-19-pandemien. Innovationsfonden investerede i 2018 18 mio. kr. til projektet. Kræftens Bekæmpelse, A.P. Møller Fonden, CACHET og virksomheden Radiometer bidrager sammen med regionerne med yderligere 12 mio. kr. 

Department of Clinical Medicine's research is carried out at research centres and hospitals where our staff have their principal place of employment....

Helge B.D. Sørensen (HBDS) conducts research on biomedical signal processing for better solutions for individuals concerning monitoring, diagnostics,...

Dansk
© All rights reserved, Sciencenews 2020