Система раннего предупреждения сепсиса улучшает выживаемость и сокращает время пребывания в больнице

По данным исследования, проведенного американскими врачами из Западного резервного университета Кейза и специалистами MetroHealth, пациенты отделения неотложной помощи, которых алгоритм искусственного интеллекта отметил как тех, кто подвержен риску сепсиса, получали антибиотики раньше и имели лучшие результаты излечения.

Результаты исследования были опубликованы в журнале Critical Care Medicine.

По словам исследователей, после внедрения системы раннего предупреждения было отмечено увеличение показателей выживаемости и сокращение сроков пребывания пациентов в больнице.

В течение пяти месяцев 2019 года авторы исследования отслеживали почти 600 пациентов, поступивших в отделение неотложной помощи, где с помощью MetroHealth была внедрена систему раннего предупреждения сепсиса, встроенная прямо в электронную медицинскую карту.

Пациенты 18 лет и старше, поступившие в отделение неотложной помощи, были рандомизированы на стандартное лечение сепсиса и на лечение, дополненное системой раннего предупреждения. Система раннего предупреждения оповещала как врачей, так и фармацевтов. Это привело к тому, что пациент, у которого искусственный интеллект отмечал признаки приближающегося сепсиса, получал антибиотики значительно быстрее, чем те пациенты, чье предупреждение было скрыто, говорится в исследовании.

В целом, у пациентов, получивших антибиотики на ранней стадии, было больше дней жизни и больше дней вне больницы, чем у пациентов из группы стандартного лечения.

По словам врачей, принимавших участие в проекте,

Более ранние исследования оценивали работу системы раннего предупреждения сепсиса в изоляции, что не отражает того, как он будет использоваться в реальном мире. Мы представляли себе роль системы раннего предупреждения как вспомогательную для команды медицинских работников, реагирующих на сепсис. Самое главное, мы оценили полезность инструмента с помощью самого качественного подхода - рандомизированного контролируемого исследования. Фактически, наша работа выделяется как первая опубликованная рандомизированная контролируемая оценка системы раннего предупреждения на основе модели в условиях отделения неотложной помощи.