Klinicky nasazené vedení AI může zabránit šíření C. difficile

Podle studia univerzity v Michiganu bylo poprvé rozmístěno pokyny pro klinické lékaře zaměřené na snížení šíření Clostridioides difficile-bakterií, které mohou být smrtící pro nemocné pacienty-poprvé v nemocničním prostředí. Publikováno v Síť JAMA Otevřená.

Nový protokol se výrazně snížil Antibiotická receptyFaktor, který zvyšuje riziko infekce u zranitelných pacientů, s antimikrobiálními látkami o 10% až 15% méně dní. Důležité je, že snížení dnů na antimikrobiální látky se nezvýšilo délku pobytu, míry zpětného přebírání nebo úmrtnosti. Výskyt C. difficile trendoval se dolů během studie, ale nedosáhl statistické významnosti.

„Technická stránka informatiky byla vždy něčím, co miluji, ale je to potenciál pro dopad, který mě udržuje v chodu. Je prospěšné vidět, jak algoritmus roste v něco s měřitelným dopadem na lůžku,“ řekla Jenna Wiens, docentka počítačové vědy a inženýrství v UM a starší autor studie.

Když jsou mimo tělo, C. difficile tvoří spory, které mohou zůstat na površích měsíce. Tvrdohlavý mikrob, který způsobuje závažný průjem a zánět střev, je odolný vůči mnoha čisticím prostředkům, včetně dezinfekčního prostředku na ruce na bázi alkoholu. To spolu s dostupností nemocných hostitelů způsobí, že C. difficile zvláště nebezpečným v nemocničním prostředí.

Zejména nemocniční pacienti užívající antibiotika jsou desetkrát častěji Chcete -li získat infekci C. difficile, protože léky vymaže domorodé mikroby ve střevě, které obvykle tvoří bariéru proti útočníkům, jako je C. difficile.

Do tohoto bodu měření klinického dopadu bylo deset let ve výrobě. V raných fázích vybudoval výzkumný tým prediktivní model Chcete -li zjistit, kteří pacienti jsou vystaveni největšímu riziku infekce C. difficile pomocí minulých záznamů o nemocnici.

The model strojového učení Vyškoleno na faktory včetně léků, laboratorních výsledků, předchozích hospitalizací, komorbidit, demografie a dokonce i blízkost k jiným infikovaným pacientům v nemocnici. Předpovědi, které jsou aplikovány na novou sadu nikdy předtím neviditelných pacientů, jsou v souladu se skutečným rizikem pacienta, což prokazuje, že model fungoval. Tento přístup se znovu držel, když byl model vyškolen speciálně pro Michigan Medicine, akademické lékařské centrum přidružené k University of Michigan.

Učinit další krok k aplikaci, Prospektivní validační studie V roce 2022 použil model k odhadu rizika ve reálném čase ve dvou akademických lékařských centrech, Michigan Medicine a Massachusetts General Hospital a poté vyhodnotil, kteří pacienti se stali infikováni.

Úspěch modelu přiměl výzkumný tým, aby pracoval na balíčku prevence infekce, který by mohl poskytnout lékařům předpovědi rizika v reálném čase a systematická doporučení, sdělený prostřednictvím elektronických zdravotních záznamů. Tým včetně inženýrů, lékařů a personálu nemocnice vyvinul přístup s několika úhly útoku.

„I když jsem očekával výzvy při navigaci v různých nemocničních výborech potřebných k získání schválení projektu, byl jsem příjemně překvapen angažovaností a nadšením, které jsem pozoroval v lékařských týmech, což by nemělo být považováno za samozřejmost, když lidi žádá, aby změnili, jak fungují,“ řekl Krishna Rao, docentku interního lékařství a ko-autor studie.

Mezi poradenské lékaři patřili implementace protokolů pro mytí rukou-požadující mytí rukou mýdlem a vodou před vstupem do místnosti, snížení používání vysoce rizikových antibiotik a testování alergií na penicilinu. Mnoho pacientů označených jako alergické na penicilin ve skutečnosti ztratí alergii v průběhu času a otevírá novou třídu antibiotik, která snižuje riziko pacienta pro získání c.dificilní infekce.

„Lékárníci si byli vědomi zranitelných pacientů. To vyvolalo mytí rukou při vstupu do pokoje pacienta, aby se minimalizovala šance na šíření infekce spolu s doporučováním změn léků, včetně změn antibiotických režimů a antacidní terapie, které snižují riziko infekce,“ řekl Jerod Nagel, klinická farmacistka a asistentní farmacita a co-a-a-a-a-a-aoratovala, a um a co-a-aoratoři um a co-atorají, a um-a-arutovali um a um a co-atora, a um, a um, a um, a um a a-aratovali, a um, a um, a um, a um-auty a um, a um a a-a-aoratovali.

„Všichni poskytovatelé, se kterými jsem během tohoto projektu pracoval, měli zkušenosti s léčbou pacientů s infekcí C. difficile a hrozný dopad, který má na životy, a chtěli pomoci jakýmkoli způsobem, jak by mohli, kdyby to bylo přínosem,“ řekl Rao.

Tým zdravotních sester intenzivní péče dokonce implementoval neočekávané použití pro skóre rizika pacienta ve svém vlastním pracovním postupu. Při přidělování pokojů nebyla zdravotní sestra zajištěna sestra, která se starala o pacienta s aktivní infekcí, nebyla také přiřazena vysoce rizikovému pacientovi.

Výzkumný tým porovnával celoroční intervenční období s předběžným obdobím, aby posoudil změny. Výskyt C. difficile trendoval dolů z 5,76 na 10 000 pacientů na 5,65, ale nesnížil dostatečně, aby získal statistickou významnost. Antibiotické recepty se významně snížily o 10% až 15% méně dní na antimikrobiálních látkách.

„Je samozřejmé-ale stejně to řeknu-, že to opravdu vyžaduje tým. Měl jsem privilegovaný pracovat s tak specializovaným interdisciplinárním týmem o problému s dopadem v reálném světě a jsem hrdý na to, co jsme dosáhli,“ řekl Shengpu Tang, bývalý doktorský student UM, nyní asistentem počítačové vědy v Emory University a studii.

„V Emory se těším na pokračování v této práci a prozkoumání inovativních způsobů, jak AI může pomoci zlepšit péči o pacienty,“ dodal Tang.

Zatímco Wiens je v procesu předávání projektu monitorování C. difficile do Michigan Medicine, těší se na budoucí projekty modelování AI, které pracují na řešení zdravotní péče.