Forschungsteam nutzt KI, um die Erkennung von Sepsis und eine wirksame Behandlung zu verbessern

Eine im klinischen Umfeld erworbene Sepsis bedroht jedes Jahr das Leben von Dutzenden Millionen Menschen weltweit. Der Zustand, bei dem der Körper auf eine Infektion reagiert, indem er praktisch auf Hochtouren geht, greift den Körper unbeabsichtigt an, indem er übereifrig Chemikalien freisetzt, um ihn zu verteidigen.

Eine Studie der Weltgesundheitsorganisation ergab, dass im Jahr 2017 mehr als 44 Millionen Menschen an Sepsis litten, was 11 Millionen sepsisbedingte Todesfälle verursachte und zu anderen schwerwiegenden unerwünschten Ereignissen wie Gliedmaßenamputationen führte.

Eine Sepsis ist behandelbar, wenn sie rechtzeitig erkannt wird. Viele Patienten zeigen jedoch erst Anzeichen der Erkrankung, wenn es zu spät im Zyklus ist, um effektiv und schnell geheilt zu werden.

„Man muss es früh erkennen“, sagte Anahita Khojandi, Heath Endowed Faculty Fellow in Business and Engineering und außerordentliche Professorin am Department of Industrial and Systems Engineering der University of Tennessee, Knoxville. „Mit unseren neuen Vorhersagetools gehen wir davon aus, dass medizinisches Fachpersonal in der Lage sein wird, die Krankheit mindestens vier bis sechs Stunden früher zu erkennen, was zu einer wirksameren Behandlung und besseren Gesundheitsergebnissen führt. Das hört sich vielleicht nicht nach viel Zeit an, aber Sepsis bewegt sich so.“ schnell, dass vier bis sechs Stunden über Leben und Tod entscheiden könnten.

Khojandi und ein multidisziplinäres Forscherteam der UT stellten die Hypothese auf, dass sie durch den Aufbau von Datensätzen, die aus elektronischen Gesundheitsakten entwickelt wurden, und deren Analyse auf Muster bei Patienten, die später eine Sepsis entwickelten, den Ausbruch der Erkrankung vorhersagen könnten. Ein ISE-Kollege – Xueping Li, Dan Doulet Faculty Fellow und Professor – konnte das Team mit einer ersten Gruppe von Dateneigentümern verbinden, um ihnen den Einstieg zu erleichtern.

„Er hatte einen Kollegen im Center for Health Systems Innovation an der Oklahoma State University, der Zugriff auf elektronische Gesundheitsakten hatte, die wir brauchten, um mit der Entwicklung von Modellen für die Früherkennung einer Sepsis zu beginnen“, sagte Khojandi. „Von da an begannen wir, mehr über die Leistungsfähigkeit elektronischer Patientenakten und ihre potenziellen Mängel zu erfahren. Wir konnten auf zusätzliche Datensätze zugreifen und eine Reihe von Studien durchführen, die jeweils auf den vorherigen aufbauten, bis wir das Problem schließlich angehen konnten.“ ganzheitlich.“

Einer der größten anfänglichen Mängel war die mangelnde Granularität einiger elektronischer Patientenakten. Glücklicherweise konnte Robert Davis, Gouverneursvorsitzender des UT-Oak Ridge National Laboratory für biomedizinische Informatik im UT Health Science Center, dem Team bei der Bewältigung dieser wichtigen Herausforderung helfen, indem er Khojandi einen neuartigen Datensatz der Vitalwerte der Patienten wie Herzfrequenz und Atmung zur Verfügung stellte Rate, die kontinuierlich von Monitoren auf der Intensivstation erfasst wird.

Der neue Datensatz ermöglichte es dem Team, ein leistungsstarkes KI-Framework zu entwickeln, indem es zeitreihenbasierte Modellierung und sequentielle Entscheidungsansätze nutzte. In ihrer neuesten Arbeit haben sie einen neuartigen Ansatz entwickelt, der es dem KI-Modell ermöglicht, in Echtzeit einen Blick auf den verborgenen Gesundheitszustand eines Patienten zu werfen und gleichzeitig den zugrunde liegenden Krankheitsverlauf des Patienten zu berücksichtigen. Das Modell kann dann ein genaues Bild des Zustands des Patienten erstellen und so den Entscheidungsprozess verbessern.

Khojandi sagte, dass die Zusammenarbeit für ihren Erfolg äußerst wichtig sei, da schwierige Probleme oft multidisziplinäres Fachwissen und multidisziplinäre Methoden erfordern. Sie fügte hinzu, dass Forscher aus den Bereichen Ingenieurwesen, Mathematik und Gesundheitswesen – darunter Ärzte und Krankenpfleger, Sozialarbeiter und andere Fachkräfte – zusammenarbeiten müssen, um sicherzustellen, dass sie Probleme ganzheitlich betrachten, um wirksame Lösungen zu entwickeln.

Zukünftige Richtungen für KI

Das Sepsis-Projekt demonstriert die potenzielle Leistungsfähigkeit von KI in medizinischen Anwendungen. Khojandi arbeitet nun mit neuen Mitarbeitern zusammen, um ihr Fachwissen und ihre Werkzeuge zur Lösung verschiedener Probleme einzusetzen.

Sie arbeitet mit Vasileios Maroulas, stellvertretender Vizekanzler, stellvertretender Direktor der AI Tennessee Initiative und Professor für Mathematik, und Scott Emrich, außerordentlicher Professor für Informatik, zusammen. Sie nutzen Daten in elektronischen Gesundheitsakten, einschließlich physiologischer und bildgebender Daten, um Modelle zu entwickeln, die bei der Behandlungsplanung helfen.

Maroulas und Khojandi arbeiten beispielsweise mit Jason Buehler und Patrick McFarland in der Abteilung für Anästhesiologie am UT Medical Center an der Entwicklung von KI-Modellen, die eine opioidinduzierte Beatmungsinsuffizienz bei Patienten im Krankenhausumfeld vorhersagen können. Sie arbeiten außerdem mit Stefanos Boukovalas und Devin Clegg von der Abteilung für Chirurgie am UTMC zusammen, um das Risiko eines Lymphödems nach Brustkrebs vorherzusagen und zusätzliche Faktoren zu identifizieren, die als Leitfaden für die Behandlungsplanung dienen.

Emrich und Khojandi arbeiten mit Jill Maples, Kimberly Fortner, Nikki Zite und Callie Reeder – alle von der Abteilung für Geburtshilfe und Gynäkologie am UTMC – zusammen, um mithilfe von KI die Betreuung von Müttern und Föten zu verbessern. Zusätzlich zu ihren Positionen am UTMC sind Buehler, Boukovalas, Clegg, Maples, Zite und Reeder auch Fakultätsmitglieder des College of Medicine des UT Health Science Center.

„Insgesamt bin ich der festen Überzeugung, dass unsere Modelle das Gesundheitswesen und die Gesundheitsfürsorge revolutionieren und Gesundheitsfachkräften, die Patienten am Krankenbett betreuen, große Unterstützung bieten können. Bei der Entwicklung der Modelle muss jedoch darauf geachtet werden, dass sie gerecht, unvoreingenommen und praktisch sind und ihre Ergebnisse bleiben reproduzierbar“, sagte Khojandi. „Wir haben also einen langen Weg vor uns, aber ich bin optimistisch und gespannt auf die Zukunft.“

Obwohl die Studie nur der erste Schritt ist, hat sie eine Grundlage für zukünftige Erfolge gelegt – alles möglich durch den Geist der Zusammenarbeit und das Engagement, sicherzustellen, dass die UT-Forschung das Leben und die Leben besser macht.