INFORMATIKAI TECHNOLÓGIÁK AZ INTENZÍV ÁPOLÁSBAN Benyó Balázs
Budapesti Műszaki és Gazdaságtudományi Egyetem
Tartalom •
Bevezető •
•
Kihívások az egészségügyben Intenzív ápolás: szoros vércukor szabályozás problémája
•
Szoros vércukor szabályozás protokoll megvalósítása
•
Módszerek • • •
•
Modellezés Döntéstámogató rendszer In-silico szimuláció
Összefoglalás, kitekintés
EGÉSZSÉGÜGY KIHÍVÁSAI
Egészségügy jövője •
Nyugati társadalmak: •
Öregedő társadalom, eltolódó korfa
Egészségügy jövője •
Nyugati társadalmak: •
•
Öregedő társadalom, eltolódó korfa
Egészségipar: •
•
Új és drága diagnosztikai és terápiás eszközök Növekvő emberi munka igény: orvosi, ápolói feladatok
A változások költségvetési hatása
Egészségügy jövője •
Nyugati társadalmak: •
•
Egészségipar: • •
•
Öregedő társadalom, eltolódó korfa
Új és drága diagnosztikai és terápiás eszközök Növekvő emberi munka igény: orvosi, ápolói feladatok
Megoldás: •
•
Drasztikus hatékonyság növekedés Mérnöki módszerek alkalmazása az orvosi gyakorlatban •
Modell alapú megközelítés az orvosi diagnosztikai és ápolási feladatok megoldására
Mérnöki módszerek alkalmazása . min( d 2 P2 , Pmax ) EGP b Q (t ) G. p G G ( t ) S I G ( t ) min( d 2 P2 , Pmax ) EGP b Q (t ) G p G G (t ) S I G (t ) 1 G Q (t ) VG 1 G Q (t ) VG . Q (t ) Q. n I ( I ( t ) Q ( t )) n c Q (t ) Q n I ( I ( t ) Q ( t )) n c 1 G Q ( t ) 1 G Q (t ) . u ex ( t ) n L I (t ) I. n L I ( t ) n K I ( t ) n I ( I ( t ) Q ( t )) u ex ( t ) (1 I 1 I I ( t ) n K I ( t ) n I ( I ( t ) Q ( t )) V I (1 1 I I (t ) VI
CNS PN ( t ) CNS PN ( t )
u en ( G ) x L ) u en ( G ) xL ) VI VI
INTENZÍV ÁPOLÁS
Intenzív ápolás •
Az intenzív ápolás az egészségügyi ellátás egyik leg költségigényesebb területe •
•
•
Az egészségügyi ellátásra fordított költségek 7-15% A teljes GDP ~1%
Ápolási célok: • • •
Keringés fenntartása Lélegeztetés Táplálás
SZOROS VÉRCUKOR SZABÁLYOZÁS
Probléma Szoros vércukor szabályozás A vércukorszint normoglikémiás tartományban tartása inzulin adagolással és a táplálás szabályozásával Vércukor mérés
Inzulin és tápanyag
Szoros vércukor szabályozással a mortalitás 25-40%-al csökkenthető.
Probléma •
Probléma: a szoros vércukor szabályozás megvalósítása nehéz Összetett fiziológiai rendszer • Egymástól lényegesen különböző, gyorsan változó állapotú betegek •
•
Hipoglikémia – hiperglikémia Kórosasan alacsony, ill. magas vércukorszint • Normoglikémiás tartomány: •
•
•
4,4 – 6 (8) mmol/l
Különböző mértékben és időtávon, de mindkettő negatív következményekkel jár
A hipoglikémia következményei: célszerv-károsodások
Szív érintettség1 •
Csökkent perctérfogat, teljesítmény, myocardium kontraktilitás
Ér-történések1 •
Stroke, myocardium • infarctus, akut szívbetegség, kamrai arrhythmia
Halál1,2 1. Desouza CV, et al. Diabetes Care 2010;33(6):1389-1394 2. Boyle et al. South Med J 2007;100(2):183-194
KIR-történések2
Rohamok, görcsök, kóma
STAR PROTOKOLL
A STAR protokoll alkalmazása Döntéstámogató rendszer
Mért beteg paraméterek
.
G p G G (t ) S I G (t )
Q (t ) 1 G Q (t )
min( d 2 P2 , Pmax ) EGP
Q n I ( I ( t ) Q ( t )) n c .
I
n L I (t ) 1 I I (t )
b
CNS PN ( t )
VG
.
Q (t ) 1 G Q (t )
n K I ( t ) n I ( I ( t ) Q ( t ))
u ex ( t ) VI
(1 x L )
u en ( G ) VI
Közvetlenül nem mérhető betegparaméterek meghatározása a döntéstámogatáshoz Inzulin szenzitivitás (SI)
Beteg kezelése
A nővér beállítja a javasolt értékeket a pumpákon
“Nurse-in-the-loop” típusú rendszer. Intenzív terápiában általánosan használt eszközökkel és általános célú számítástechnikai eszközzel megvalósítható.
STAR protokoll •
STAR: •
•
Stochastic Targeted Control
Előnyök: •
• • •
Betegenként állítható céltartomány Kockázatok közvetlen kezelése Számítógépes alkalmazás tabletre Egyszerű, felhasználóbarát kezelői felület
Követelmények Klinikai értékelés szempontjai Orvosok elvárásai a szabályozással kapcsolatban:
Alkalmazhatóság
Optimális szabályozás
Elvárások:
Egyszerű működési logika
Orvosilag elfogadható kezelési ajánlások, javaslatok nyújtása
Klinikai feltételek között lehessen alkalmazni, követelményekhez adaptálni
Felhasználóbarát funkcionalitás és megjelenés
Szigorú kontroll • A vércukorszint stabil tartományban tartása Legfontosabb a biztonság • Hypoglycaemia rövidebb idő alatt okoz életveszélyes állapotot, mint a hyperglycaemia Magas tápanyagbevitel • Alacsony tápanyagbevitel hosszabb intenzív ápolási időt eredményez Mérés szám csökkentése • Ápolás egyszerűsítésével időt és pénzt tudunk megtakarítani
MÓDSZEREK
Módszerek Fiziológiai folyamat kompartment modell G p G .G S I .G .
•
I
Modellezés, modell alkotás •
Q 1 GQ
nI 1II
Kompartment modell a vércukor háztartás leírására
P ( t ) EGP
u ex ( t )
MAX
CNS
V G (t ) e
VI
( k I u ex ( t ))
IB
Q kQ kI
Insulin
•
Döntéstámogató módszer és rendszer •
•
Brain
Insulin losses (liver, kidneys)
Beteg jövőbeni állapotának becslése, inzulin érzékenység becslése Blood Glucose
In-silico szimulációs környezet •
Számítógépes környezet kezelési protokollok minősítésére valós betegadatokra támaszkodva Glucose
Effective insulin
ity itiv s en ns i l u Ins Liver Liver
Other cells
Plasma Insulin
Pancreas
MODELLEZÉS
Modell alapú megközelítés A fiziológiai rendszer működésének leírása
Modell alapú megközelítés A fiziológiai rendszert leíró matematikai modell kidolgozása .
G p G G (t ) S I G (t )
Q (t ) 1 G Q (t )
min( d 2 P2 , Pmax ) EGP
.
Q n I ( I ( t ) Q ( t )) n c .
I
n L I (t ) 1 I I (t )
b
CNS PN ( t )
VG Q (t ) 1 G Q (t )
n K I ( t ) n I ( I ( t ) Q ( t ))
u ex ( t ) VI
(1 x L )
u en ( G ) VI
Modell alapú megközelítés A modell alapján szimuláció, identifikáció stb. felhasználásával tervezzük meg és implementáljuk a terápiás módszert. . min( d 2 P2 , Pmax ) EGP b Q (t ) G. p G G ( t ) S I G ( t ) min( d 2 P2 , Pmax ) EGP b Q (t ) G p G G (t ) S I G (t ) 1 G Q (t ) VG 1 G Q (t ) VG . Q (t ) Q. n I ( I ( t ) Q ( t )) n c Q (t ) Q n I ( I ( t ) Q ( t )) n c 1 G Q ( t ) 1 G Q (t ) . u ex ( t ) n L I (t ) I. n L I ( t ) n K I ( t ) n I ( I ( t ) Q ( t )) u ex ( t ) (1 I 1 I I ( t ) n K I ( t ) n I ( I ( t ) Q ( t )) V I (1 1 I I (t ) VI
CNS PN ( t ) CNS PN ( t )
u en ( G ) x L ) u en ( G ) xL ) VI VI
Vércukor szintet befolyásoló fiziológiai folyamatok modellezése
ICING: Intensive Control Insulin-Nutrition-Glucose
DÖNTÉSTÁMOGATÓ RENDSZER
I/Q (mU/L) BG (mmol/L)
15
10
20
30
40
BG measurements - simulated Model BG - simulated Target band I - simulated Q - simulated 50 60 70 80
10
20
30
40
50
60
70
80
40 50 Time (Hours)
60
70
80
10 400 5
Inzulin szenzitivitás, SI(t) használata 0 200 0 0
0
Insulin sensitivity
2 1
I
S [L/(mU.min)]
-3
x 10
3
0
0
10
20
30
-3
x 10
0.2
Insulin (U/hr)
1.8
1.6
Insulin Sensitivity IN FOUR HOURS
1.4
1.2
EN Dextrose Insulin EN Dextrose PN PN Dextrose Insulin
0.1
0 1
0
10
20
0.8
0.6
0.4
0.2
0
0
0.2
0.4
0.6
0.8
1
1.2
Insulin Sensitivity NOW
1.4
1.6
1.8
2 -3
x 10
30
40 50 Time (hours)
60
70
80
0.2 0.1 0
Dex (g/hr)
2
Protokoll működése 5th, 25th, 50th (median), 75th, 95th percentile bounds for SI(t) variation based on current value
Valószínűségi modell az SI becslésére
SI (határ)értékek
+ ismert inzulin bevitel
tnow tnow
tnow+(1-3)hr
tnow+(1-3)hr
95th 75th 50th 25th
95th 75th 50th 25th
5th
Blood glucose 25th 50th 75th 95th
Patient response forecast can be recalculated for For a given feed+insulin different treatments
intevention an output BG distribution can be forecast using the model
Stochastic model shows the bounds (5th – 95th percentile) Jósolt VC értékek: for insulin sensitivity variation A beteg várható reakciója! over next 1-3 hours from the initially identified level
Iterative process targets this BG 5th forecast to the range we want:
BG [mg/dL]
5th
= ...
Insulin sensitivity
Stochastic model shows the bounds (5th – 95th percentile) for insulin sensitivity variation over next 1-3 hours from the initially identified level
Insulin sensitivity
+
Rendszer modell
Blood glucose
= optimal treatment found! 5th
6.5
25th 50th
4.4
75th 95th
Time
For a given feed+insulin intevention an output BG distribution can be forecast using the model
Protokoll működése 5th, 25th, 50th (median), 75th, 95th percentile bounds for SI(t) variation based on current value
Sztochasztikus modell az SI becslésére
SI (határ)értékek
+ ismert inzulin bevitel
tnow tnow
tnow+(1-3)hr
tnow+(1-3)hr
95th 75th 50th 25th
95th 75th 50th 25th
BG [mg/dL]
5th 25th 50th 75th 95th
A jósolt beteg választ ki tudjuk számolni különböző kezelési For a given feed+insulin opciókhoz
intevention an output BG distribution can be forecast using the model
Stochastic model shows the bounds (5th – 95th percentile) Jósolt VC értékek: for insulin sensitivity variation A beteg várható reakciója! over next 1-3 hours from the initially identified level
Lépésenkénti közelítéssel beállítth juk a 5VC szintet a céltartományba :
5th
Blood glucose
= ...
Insulin sensitivity
Stochastic model shows the bounds (5th – 95th percentile) for insulin sensitivity variation over next 1-3 hours from the initially identified level
Insulin sensitivity
+
Rendszer modell
Blood glucose
= megtaláltuk az optimális kezelést! 5th
6.5
25th 50th
4.4
75th 95th
Time
For a given feed+insulin intevention an output BG distribution can be forecast using the model
IN-SILICO SZIMULÁCIÓ
Virtuális betegek
G p G .G S I .G .
I
Q 1 GQ
nI 1II
P ( t ) EGP
u ex ( t )
MAX
V G (t ) e
VI
Q kQ kI
( k I u ex ( t ))
IB
CNS
In-silico szimuláció G p G .G S I .G .
I
Q 1 GQ
nI 1II
P ( t ) EGP
u ex ( t )
MAX
V G (t ) e
VI
Q kQ kI
( k I u ex ( t ))
IB
CNS
KLINIKAI EREDMÉNYEK
HATÉKONY?
Eredmények
STAR Chch
STAR Gyula
12369 (22948/336)
3050 (6244/47)
1,85
2,05
6,8 [6,0 – 7,9] 82,6%
6,8 [5,8 – 7,8] 85,7%
4,4%
3.0%
0,6%
0,9%
VC < 2.2 mmol/L tartományban töltött idő
0,004%
0%
Beteg < 2.2 mmol/L alatt (nyers adat alapján)
4 (1,5%)
2 (4,3%)
Median insulin [IQR] (U/óra):
2,7 [1,9 – 3,5]
3,2 [2,4 – 4,6]
Median szénhidrát [IQR] (g/óra):
5,1 [4,0 – 6,2]
7,4 [6,2 – 8,9]
86 [64 - 97]
80 [74 - 88]
Workload # VC mérések száma (ápolási óra/betegszám): Átlagos mérési gyakoriság (óra): Control performance VC median [IQR] (mmol/L):
VC céltartományban töltött idő (4,4-8mmol/L) VC > 10 mmol/L tartományban töltött idő Safety VC < 4.0 mmol/L tartományban töltött idő
Clinical interventions
Median táplálás arány a célhez képest [IQR] (%)
BIZTONSÁGOS?
Eredmények
STAR Chch
STAR Gyula
12369 (22948/336)
3050 (6244/47)
1,85
2,05
6,8 [6,0 – 7,9] 82,6%
6,8 [5,8 – 7,8] 85,7%
4,4%
3.0%
0,6%
0,9%
VC < 2.2 mmol/L tartományban töltött idő
0,004%
0%
Beteg < 2.2 mmol/L alatt (nyers adat alapján)
4 (1,5%)
2 (4,3%)
Median insulin [IQR] (U/óra):
2,7 [1,9 – 3,5]
3,2 [2,4 – 4,6]
Median szénhidrát [IQR] (g/óra):
5,1 [4,0 – 6,2]
7,4 [6,2 – 8,9]
86 [64 - 97]
80 [74 - 88]
Workload # VC mérések száma (ápolási óra/betegszám): Átlagos mérési gyakoriság (óra): Control performance VC median [IQR] (mmol/L):
VC céltartományban töltött idő (4,4-8mmol/L) VC > 10 mmol/L tartományban töltött idő Safety VC < 4.0 mmol/L tartományban töltött idő
Clinical interventions
Median táplálás arány a célhez képest [IQR] (%)
ÁPOLÁSI IGÉNY ELEMZÉSE
Eredmények
STAR Chch
STAR Gyula
12369 (22948/336)
3050 (6244/47)
1,85
2,05
6,8 [6,0 – 7,9] 82,6%
6,8 [5,8 – 7,8] 85,7%
4,4%
3.0%
0,6%
0,9%
VC < 2.2 mmol/L tartományban töltött idő
0,004%
0%
Beteg < 2.2 mmol/L alatt (nyers adat alapján)
4 (1,5%)
2 (4,3%)
Median insulin [IQR] (U/óra):
2,7 [1,9 – 3,5]
3,2 [2,4 – 4,6]
Median szénhidrát [IQR] (g/óra):
5,1 [4,0 – 6,2]
7,4 [6,2 – 8,9]
86 [64 - 97]
80 [74 - 88]
Workload # VC mérések száma (ápolási óra/betegszám): Átlagos mérési gyakoriság (óra): Control performance VC median [IQR] (mmol/L):
VC céltartományban töltött idő (*4,4-8mmol/L) VC > 10 mmol/L tartományban töltött idő Safety VC < 4.0 mmol/L tartományban töltött idő
Clinical interventions
Median táplálás arány célhez képest [IQR] (%)
MEGFELELŐ A BEVITT TÁPANYAG MENNYISÉGE?
Eredmények
STAR Chch
STAR Gyula
12369 (22948/336)
3050 (6244/47)
1,85
2,05
6,8 [6,0 – 7,9] 82,6%
6,8 [5,8 – 7,8] 85,7%
4,4%
3.0%
0,6%
0,9%
VC < 2.2 mmol/L tartományban töltött idő
0,004%
0%
Beteg < 2.2 mmol/L alatt (nyers adat alapján)
4 (1,5%)
2 (4,3%)
Median insulin [IQR] (U/óra):
2,7 [1,9 – 3,5]
3,2 [2,4 – 4,6]
Median szénhidrát [IQR] (g/óra):
5,1 [4,0 – 6,2]
7,4 [6,2 – 8,9]
86 [64 - 97]
80 [74 - 88]
Workload # VC mérések száma (ápolási óra/betegszám): Átlagos mérési gyakoriság (óra): Control performance VC median [IQR] (mmol/L):
VC céltartományban töltött idő (*4,4-8mmol/L) VC > 10 mmol/L tartományban töltött idő Safety VC < 4.0 mmol/L tartományban töltött idő
Clinical interventions
Median táplálás arány célhez képest [IQR] (%)
ÖSSZEFOGLALÁS, KITEKINTÉS
Összefoglalás •
Mérnöki, informatikai módszerek orvosi feladatok megoldására •
•
Élettani folyamatok modellezése
Jellemző feladatok • •
•
Modellezés Döntéstámogatás In-silico szimuláció
•
Eredmény: Személyre szabható ápolási módszerek
•
Alkalmazási területek • •
Intenzív terápia: táplálási, mesterséges lélegeztetés, kardiovaszkuláris ellátás Képrekonstrukciós módszerek: 4D képrekonstrukció
CURE Soft alkalmazása
CURE Soft alkalmazás közben
1
2
KÖSZÖNÖM A FIGYELMET! Benyó Balázs
[email protected]
Kutatási projektek: OTKA K116574: Sztochasztikus modellek kidolgozása intenzív terápiában alkalmazható új generációs modell alapú szoros vércukor szabályozási módszerhez: új modellektől és módszerektől a klinikai validációig (NKFI-6) FP7-PEOPLE-2012-IRSES: eTime – Engineering Technology-based Innovation in Medicine, Project number 318943 VKSZ_14-1-2015-0072: SCOPIA – Endoszkópos diagnosztikán alapuló, szoftverrel támogatott eszközök fejlesztése; pályázat száma:
