Forskare från MIT och Massachusetts General Hospital (MGH) har utvecklat en prediktiv modell som kan vägleda kliniker när de ska ge potentiellt livräddande läkemedel till patienter som behandlas för sepsis på akuten.

Sepsis är en av de vanligaste orsakerna till inläggning, och en av de vanligaste dödsorsakerna, på intensivvårdsavdelningen. Men de allra flesta av dessa patienter kommer först in via akuten. Behandlingen börjar vanligtvis med antibiotika och intravenösa vätskor, ett par liter åt gången. Om patienterna inte svarar bra, de kan gå in i septisk chock, där deras blodtryck sjunker farligt lågt och organ misslyckas. Sen bär det ofta av till intensiven, där läkare kan minska eller stoppa vätskorna och påbörja vasopressormediciner som noradrenalin och dopamin, för att höja och bibehålla patientens blodtryck.

Det är där saker och ting kan bli knepiga. Att administrera vätska för länge kanske inte är användbart och kan till och med orsaka organskador, så tidig vasopressor intervention kan vara fördelaktig. Faktiskt, tidig administrering av vasopressorer har kopplats till förbättrad dödlighet i septisk chock. Å andra sidan, administrering av vasopressorer för tidigt, eller när det inte behövs, har sina egna negativa hälsokonsekvenser, såsom hjärtrytmrubbningar och cellskador. Men det finns inget entydigt svar på när man ska göra denna övergång; läkare måste vanligtvis noggrant övervaka patientens blodtryck och andra symtom, och gör sedan ett bedömningssamtal.

I en artikel som presenteras denna vecka vid American Medical Informatics Associations årliga symposium, MIT- och MGH-forskarna beskriver en modell som "lär sig" från hälsodata om akutvårdspatienter med sepsis och förutsäger om en patient kommer att behöva vasopressorer inom de närmaste timmarna. För studien, forskarna sammanställde det första datasetet någonsin i sitt slag för ER-sepsispatienter. Vid testning, modellen kunde förutsäga ett behov av en vasopressor mer än 80 procent av tiden.

Tidiga förutsägelser kan bland annat, förhindra en onödig ICU-vistelse för en patient som inte behöver vasopressorer, eller påbörja tidig förberedelse för intensivvården för en patient som gör det, säger forskarna.

"Det är viktigt att ha god urskillningsförmåga mellan vem som behöver vasopressorer och vem som inte gör det [på akuten], " säger första författaren Varesh Prasad, en Ph.D. student på Harvard-MIT-programmet i hälsovetenskap och teknologi. "Vi kan förutsäga inom ett par timmar om en patient behöver vasopressorer. Om, på den tiden, patienter fick tre liter IV-vätska, det kan vara överdrivet. Om vi ​​visste i förväg att de literna inte skulle hjälpa ändå, de kunde ha börjat med vasopressorer tidigare."

I en klinisk miljö, modellen skulle kunna implementeras i en sängbordsmonitor, till exempel, som spårar patienter och skickar varningar till läkare på den ofta hektiska akutmottagningen om när man ska starta vasopressorer och minska vätskor. "Denna modell skulle vara ett vaksamhets- eller övervakningssystem som fungerar i bakgrunden, säger medförfattaren Thomas Heldt, W. M. Kecks karriärutvecklingsprofessor vid MIT Institute of Medical Engineering and Science. "Det finns många fall av sepsis som [kliniker] tydligt förstår, eller inte behöver något stöd med. Patienterna kan vara så sjuka vid den första presentationen att läkarna vet exakt vad de ska göra. Men det finns också en "gråzon" ' där dessa typer av verktyg blir mycket viktiga."

Medförfattare på tidningen är James C. Lynch, en MIT-student; och Trent D. Gillingham, Saurav Nepal, Michael R. Filbin, och Andrew T. Reisner, hela MGH. Heldt är också biträdande professor i elektrisk och biomedicinsk teknik vid MIT:s avdelning för elektroteknik och datavetenskap och huvudforskare vid Research Laboratory of Electronics.

Andra modeller har byggts för att förutsäga vilka patienter som löper risk för sepsis, eller när man ska administrera vasopressorer, på intensivvårdsavdelningar. Men det här är den första modellen som tränas på uppgiften för akuten, säger Heldt. "[ICU] är ett senare skede för de flesta sepsispatienter. Akuten är den första kontaktpunkten för patienten, där du kan fatta viktiga beslut som kan göra skillnad i resultatet, " säger Heldt.

Den primära utmaningen har varit bristen på en ER-databas. Forskarna arbetade med MGH-kliniker under flera år för att sammanställa medicinska journaler på nästan 186, 000 patienter som behandlades på MGH-akuten från 2014 till 2016. Vissa patienter i datasetet hade fått vasopressorer inom de första 48 timmarna efter deras sjukhusbesök, medan andra inte hade det. Två forskare granskade manuellt alla register över patienter med trolig septisk chock för att inkludera den exakta tidpunkten för administrering av vasopressor, och andra anteckningar. (Den genomsnittliga tiden från presentation av sepsis-symtom till vasopressorstart var cirka sex timmar.)

Rekorden delades upp slumpmässigt, med 70 procent som används för att träna modellen och 30 procent för att testa den. I träning, modellen extraherade upp till 28 av 58 möjliga egenskaper från patienter som behövde eller inte behövde vasopressorer. Funktioner inkluderar blodtryck, förfluten tid från den första akutinläggningen, total administrerad vätskevolym, andningsfrekvens, mental status, syremättnad, och förändringar i hjärtslagvolymen – hur mycket blod hjärtat pumpar i varje slag.

Vid testning, modellen analyserar många eller alla av dessa egenskaper hos en ny patient med bestämda tidsintervall och letar efter mönster som tyder på en patient som i slutändan behövde vasopressorer eller inte gjorde det. Baserat på den informationen, den gör en förutsägelse, vid varje intervall, om patienten kommer att behöva en vasopressor. För att förutsäga om patienter behövde vasopressorer under de kommande två eller flera timmarna, modellen var korrekt 80 till 90 procent av tiden, som skulle kunna förhindra en överdriven halv liter eller mer administrerad vätska, i genomsnitt.

"Modellen tar i princip en uppsättning nuvarande vitala tecken, och lite av hur banan ser ut, och fastställer att denna aktuella observation tyder på att denna patient kan behöva vasopressorer, eller denna uppsättning variabler tyder på att denna patient inte skulle behöva dem, " säger Prasad.

Nästa, forskarna siktar på att utöka arbetet för att producera fler verktyg som förutsäger, i realtid, om akutpatienter initialt kan löpa risk för sepsis eller septisk chock. "Tanken är att integrera alla dessa verktyg i en pipeline som hjälper till att hantera vården från första gången de kommer in på akuten, " säger Prasad.

Tanken är att hjälpa läkare på akutmottagningar på stora sjukhus som MGH, som ser cirka 110, 000 patienter årligen, fokusera på de populationer som är mest utsatta för sepsis. "Problemet med sepsis är att presentationen av patienten ofta motsäger allvaret i den underliggande sjukdomsprocessen, " Säger Heldt. "Om någon kommer in med svaghet och inte känner sig rätt, lite vätska kan ofta göra susen. Men, i vissa fall, de har underliggande sepsis och kan försämras mycket snabbt. Vi vill kunna berätta vilka patienter som har blivit bättre och vilka som är på en kritisk väg om de lämnas obehandlade."

Den här historien återpubliceras med tillstånd av MIT News (web.mit.edu/newsoffice/), en populär webbplats som täcker nyheter om MIT-forskning, innovation och undervisning.