Prevedere l'insufficienza circolatoria

I pazienti che si trovano nel reparto di terapia intensiva di un ospedale vengono monitorati attentamente: i segni vitali come il polso, la pressione sanguigna e la saturazione di ossigeno nel sangue vengono misurati continuamente. Ciò significa che i medici e gli infermieri hanno a disposizione una grande quantità di dati per valutare lo stato di salute del paziente. Tuttavia, non è facile utilizzare queste informazioni per fare previsioni sull'ulteriore sviluppo delle condizioni del paziente o per riconoscere con largo anticipo cambiamenti pericolosi per la sua vita.

I ricercatori dell'ETH di Zurigo e dell'Inselspital di Berna hanno ora sviluppato un metodo che combina i vari segni vitali e altre informazioni mediche rilevanti su un paziente. In questo modo è possibile prevedere un'insufficienza circolatoria critica diverse ore prima che si verifichi. L'obiettivo è quello di utilizzare il metodo in futuro per analizzare i segni vitali in ospedale in tempo reale e avvertire in anticipo il personale curante. Ciò consentirà di avviare tempestivamente le misure adeguate.

Set di dati esteso

Lo sviluppo di questo approccio è stato reso possibile da un set di dati completo della Clinica universitaria di medicina intensiva dell'Inselspital. Nel 2005, questa è stata la prima grande unità di terapia intensiva in Svizzera a iniziare a memorizzare dati dettagliati e ad alta risoluzione sui pazienti in terapia intensiva in forma digitale. Per lo studio, i ricercatori hanno utilizzato i dati di 36.000 ricoveri nel reparto di terapia intensiva in forma anonima ed esclusivamente di pazienti che hanno acconsentito all'utilizzo dei dati per scopi di ricerca.

Su iniziativa di Tobias Merz, ricercatore associato, ex primario di medicina intensiva all'Inselspital di Berna e ora in servizio all'Auckland City Hospital, i ricercatori guidati dai professori Gunnar R?tsch e Karsten Borgwardt dell'ETH hanno analizzato questi dati utilizzando metodi di apprendimento automatico. "Gli algoritmi e i modelli così sviluppati sono stati in grado di prevedere il 90% di tutti i fallimenti circolatori nel set di dati utilizzato. Nell'82% dei casi, la previsione è stata fatta con almeno due ore di anticipo, il che avrebbe dato ai medici il tempo di intervenire", afferma Gunnar R?tsch, professore di informatica biomedica all'ETH di Zurigo.

Bastano poche metriche

Per questo lavoro, i ricercatori avevano a disposizione diverse centinaia di parametri di misurazione e informazioni mediche per ogni paziente. "Tuttavia, siamo riusciti a dimostrare che solo 20 parametri sono sufficienti per una previsione accurata. Questi includono la pressione sanguigna, il polso, vari valori del sangue, l'età e i farmaci somministrati", spiega Karsten Borgwardt, professore di Data Mining all'ETH di Zurigo.

Per migliorare ulteriormente la qualità delle previsioni, i ricercatori intendono includere nelle analisi future i dati dei pazienti di altri grandi ospedali. Inoltre, il set di dati anonimizzati, gli algoritmi e i modelli saranno decisi da altri scienziati.

Pochi, ma molto rilevanti, gli allarmi

"Nella cura dei pazienti in terapia intensiva, prevenire l'insufficienza circolatoria è fondamentale. Anche brevi periodi di circolazione inadeguata aumentano significativamente la mortalità", afferma il medico di terapia intensiva Tobias Merz. "Oggi dobbiamo gestire un gran numero di allarmi nell'unità di terapia intensiva. Questi non sono molto precisi. I frequenti falsi allarmi e i brevi tempi di preavviso portano a ritardi nelle misure di supporto circolatorio". Con il loro approccio, i ricercatori vorrebbero quindi ridurre il gran numero di allarmi a pochi allarmi altamente rilevanti e precoci. Questo è possibile, come ha dimostrato lo studio: con il nuovo metodo, il numero di allarmi potrebbe essere ridotto a un decimo.

? necessario un ulteriore lavoro di sviluppo prima che il metodo possa essere utilizzato come sistema di allerta precoce. Un primo prototipo esiste già, dice l'ETH Professor R?tsch. La sua affidabilità deve ora essere dimostrata in studi clinici.

Questo lavoro di ricerca è stato finanziato in gran parte dal Fondo nazionale svizzero per la ricerca scientifica.