W latach 2021-2022, Aidmed One został wykorzystany w badaniu prowadzonym przez Uniwersytet Warmińsko-Mazurski, w celu zbadania długotrwałych skutków COVID-19. Wynikiem było opracowanie sugestii dotyczących opieki nad pacjentami z ostrym COVID-19 oraz long-COVID.
Konsorcjum
Uniwersytet Warmińsko-Mazurski w Olsztynie
Główny badaczdr hab. n. med. Anna Doboszyńska, prof. UWM
Partner technologicznyAidlab (Aidmed)
FinansowanieAgencja Badań Medycznych
- Uniwersyteckie Centrum Kliniczne w Gdańsku
- Klinika Pulmonologii Uniwersyteckiego Szpitala Klinicznego w Olsztynie
- Oddział “COVID” Uniwersyteckiego Szpitala Klinicznego w Olsztynie
- Specjalistyczny Szpital Wojewódzki w Ciechanowie
- Mazowiecki Szpital Specjalistyczny w Radomiu
Misja
Celem badania była adaptacja systemu telemedycznego Aidmed Cloud, aby ułatwić pracę pracownikom służby zdrowia w:
- Śledzeniu pacjentów z COVID-19, pacjentów po-COVID oraz tych z zaburzeniami oddechowymi lub arytmią serca;
- Wypracowaniu wytycznych odnośnie postępowania z pacjentem z rozpoznaniem COVID-19 leczonym w warunkach domowych;
- Uzyskania predykcji rozwoju choroby z wykorzystaniem sztucznej inteligencji;
Badanie naukowe i kliniczne
Dzięki działalności m.in. Ministerstwa Zdrowia i jego agencji czy PTEiLChZ oraz inicjatyw regionalnych, przebieg choroby COVID-19 u pacjentów hospitalizowanych został dosyć dobrze opisany w wielu sprawozdaniach, bazach danych i artykułach.
Znaczenie bieżącej obserwacyjnego monitoringu stanu zdrowia pacjentów pozostających w izolacji domowej z użyciem zdalnej diagnostyki wydaje się koniecznością ze względu na dostępność technologii i sytuację epidemiologiczną w Polsce.
Skuteczność niefarmakologicznej interwencji zdrowotnej (w naszym przypadku monitoringu telemedycznego) wymagało jednak potwierdzenia w badaniu klinicznym.
Hipotezy badawcze
Wdrożenie ciągłego nadzoru (prowadzonego na stosunkowo ciągłej podstawie) nad pacjentami w izolacji domowej może (jak zweryfikowano w badaniu klinicznym, a następnie w badaniu obserwacyjnym):
- Punkt końcowy główny – zmniejszyć liczbę/czas trwania hospitalizacji (wskaźnik LOS) o 20%;
- Punkt końcowy drugorzędny – zwiększyć komfort pacjentów (subiektywny i obiektywny wskaźnik na skalach psychologicznych) o 30%.
Wyniki i wnioski
Zdalnie obserwowano 600 pacjentów pod kątem takich parametrów jak saturacja, tętno, EKG, respiracja (ruchy klatki piersiowej), temperatura skóry, kaszel (na bazie dźwięku), przepływ powietrza w kaniuli, pozycja urządzenia/pacjenta oraz historia i bieżące objawy choroby.
Celem badania była walidacja rozwiązania telemedycznego opartego na Aidmed Cloud w optymalizacji zarządzania pacjentami z:
- diagnozą COVID-19 w łagodnej formie (bezobjawowej lub skąpoobjawowej) z naciskiem na zmniejszenie potrzeby hospitalizacji;
- zaburzeniami oddechowymi i rytmu serca z naciskiem na zwiększenie bezpieczeństwa i komfortu pacjenta z przewlekłymi schorzeniami.
Na podstawie analizy uzyskanych sygnałów, oceniano stan pacjenta i opracowywano metody przewidywania nagłego nasilenia objawów COVID-19. Projekt skutkował:
- Opracowaniem zaleceń dotyczących zarządzania pacjentami z diagnozą COVID-19 (łagodną lub bezobjawową) leczonymi w domu z wykorzystaniem telediagnostyki;
- Rozwiązaniem do zdalnej obserwacji pacjentów przez placówkę medyczną na podstawie automatycznie rejestrowanych biosygnałów i automatycznej oceny stanu pacjenta z wykorzystaniem algorytmów opartych na metodach sztucznej inteligencji;
- Walidacją rozwiązania poprzez pilotażowe wdrożenie w wybranych placówkach medycznych;
- Unikalną bazą danych biosygnałów umożliwiającą dalsze badania nad patofizjologią COVID-19.
Metody uczenia maszynowego potencjalnie przyczyniły się do wykrywania i przewidywania pogorszenia stanu pacjenta oraz nasilenia obserwowanych objawów (w tym pacjentów zagrożonych) w odpowiednim czasie.
Projekt finansowany przez Polską Agencję Badań Medycznych
