Investigadores del MIT y del Hospital General de Massachusetts (MGH) han desarrollado un modelo predictivo que podría guiar a los médicos a decidir cuándo administrar medicamentos que pueden salvar vidas a los pacientes que reciben tratamiento por sepsis en la sala de emergencias.

La sepsis es una de las causas más frecuentes de ingreso, y una de las causas de muerte más comunes, en la unidad de cuidados intensivos. Pero la gran mayoría de estos pacientes ingresan primero por la sala de emergencias. El tratamiento suele comenzar con antibióticos y líquidos por vía intravenosa. un par de litros a la vez. Si los pacientes no responden bien, pueden entrar en shock séptico, donde su presión arterial desciende peligrosamente y los órganos fallan. Luego, a menudo se va a la UCI, donde los médicos pueden reducir o detener los líquidos y comenzar a tomar medicamentos vasopresores como norepinefrina y dopamina, para elevar y mantener la presión arterial del paciente.

Ahí es donde las cosas pueden complicarse. La administración de líquidos durante demasiado tiempo puede no ser útil e incluso podría causar daño a los órganos. por lo que la intervención temprana con vasopresores puede ser beneficiosa. De hecho, La administración temprana de vasopresores se ha relacionado con una mejor mortalidad en el choque séptico. Por otra parte, administrar vasopresores demasiado pronto, o cuando no se necesita, conlleva sus propias consecuencias negativas para la salud, como arritmias cardíacas y daño celular. Pero no hay una respuesta clara sobre cuándo hacer esta transición; Por lo general, los médicos deben controlar de cerca la presión arterial del paciente y otros síntomas. y luego tomar una decisión.

En un artículo presentado esta semana en el Simposio anual de la Asociación Estadounidense de Informática Médica, Los investigadores del MIT y del MGH describen un modelo que "aprende" de los datos de salud de los pacientes con sepsis que reciben atención de emergencia y predice si un paciente necesitará vasopresores en las próximas horas. Para el estudio, los investigadores compilaron el primer conjunto de datos de este tipo para pacientes con sepsis ER. En prueba, el modelo podría predecir la necesidad de un vasopresor más del 80 por ciento de las veces.

La predicción temprana podría, entre otras cosas, evitar una estancia innecesaria en la UCI para un paciente que no necesita vasopresores, o comenzar la preparación temprana para la UCI para un paciente que sí, dicen los investigadores.

"Es importante tener una buena capacidad de discriminación entre quién necesita vasopresores y quién no [en la sala de emergencias], "dice el primer autor Varesh Prasad, un doctorado estudiante del Programa Harvard-MIT en Ciencias y Tecnología de la Salud. "Podemos predecir en un par de horas si un paciente necesita vasopresores. Si, en ese momento, los pacientes recibieron tres litros de líquido intravenoso, eso podría ser excesivo. Si supiéramos de antemano que esos litros no ayudarían de todos modos, podrían haber comenzado con vasopresores antes ".

En un entorno clínico, el modelo podría implementarse en un monitor de cabecera, por ejemplo, que rastrea a los pacientes y envía alertas a los médicos en la sala de emergencias a menudo agitada sobre cuándo comenzar a tomar vasopresores y reducir los líquidos. "Este modelo sería un sistema de vigilancia o vigilancia funcionando en segundo plano, "dice el coautor Thomas Heldt, el profesor de desarrollo profesional W. M. Keck en el Instituto de Ingeniería y Ciencia Médica del MIT. "Hay muchos casos de sepsis que [los médicos] entienden claramente, o no necesita ningún apoyo con. Los pacientes pueden estar tan enfermos en la presentación inicial que los médicos saben exactamente qué hacer. Pero también hay una 'zona gris, 'donde este tipo de herramientas se vuelven muy importantes ".

Los coautores del artículo son James C. Lynch, un estudiante de posgrado del MIT; y Trent D. Gillingham, Saurav Nepal, Michael R. Filbin, y Andrew T. Reisner, todo MGH. Heldt también es profesor asistente de ingeniería eléctrica y biomédica en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT e investigador principal en el Laboratorio de Investigación de Electrónica.

Se han construido otros modelos para predecir qué pacientes están en riesgo de sepsis, o cuando administrar vasopresores, en UCI. Pero este es el primer modelo capacitado en la tarea para la sala de emergencias, Heldt dice. "[La UCI] es una etapa posterior para la mayoría de los pacientes con sepsis. La sala de emergencias es el primer punto de contacto con el paciente, donde puede tomar decisiones importantes que pueden marcar la diferencia en el resultado, "Heldt dice.

El principal desafío ha sido la falta de una base de datos de ER. Los investigadores trabajaron con los médicos del MGH durante varios años para recopilar registros médicos de casi 186, 000 pacientes que fueron tratados en la sala de emergencias del MGH entre 2014 y 2016. Algunos pacientes en el conjunto de datos habían recibido vasopresores dentro de las primeras 48 horas de su visita al hospital, mientras que otros no lo hicieron. Dos investigadores revisaron manualmente todos los registros de pacientes con probable shock séptico para incluir el momento exacto de la administración del vasopresor. y otras anotaciones. (El tiempo promedio desde la presentación de los síntomas de la sepsis hasta el inicio del vasopresor fue de alrededor de seis horas).

Los registros se dividieron al azar, con el 70 por ciento utilizado para entrenar el modelo y el 30 por ciento para probarlo. Entrenando, el modelo extrajo hasta 28 de 58 posibles características de pacientes que necesitaban o no necesitaban vasopresores. Las características incluyen presión arterial, tiempo transcurrido desde la admisión inicial a la sala de emergencias, volumen total de líquido administrado, la frecuencia respiratoria, estado mental, saturación de oxígeno, y cambios en el volumen sistólico cardíaco:cuánta sangre bombea el corazón en cada latido.

En prueba, el modelo analiza muchas o todas esas características en un paciente nuevo en intervalos de tiempo establecidos y busca patrones indicativos de un paciente que finalmente necesitó vasopresores o no lo hizo. Basado en esa información, hace una predicción, en cada intervalo, sobre si el paciente necesitará un vasopresor. Al predecir si los pacientes necesitan vasopresores en las próximas dos horas o más, el modelo era correcto entre el 80 y el 90 por ciento de las veces, que podría evitar un exceso de medio litro o más de líquidos administrados, de media.

"El modelo básicamente toma un conjunto de signos vitales actuales, y un poco de cómo se ve la trayectoria, y determina que esta observación actual sugiere que este paciente podría necesitar vasopresores, o este conjunto de variables sugiere que este paciente no las necesitaría, "Dice Prasad.

Próximo, los investigadores apuntan a expandir el trabajo para producir más herramientas que predicen, en tiempo real, si los pacientes de urgencias pueden estar inicialmente en riesgo de sepsis o shock séptico. "La idea es integrar todas estas herramientas en una sola línea que ayudará a administrar la atención desde que ingresan por primera vez a la sala de emergencias, "Dice Prasad.

La idea es ayudar a los médicos de los departamentos de emergencia de los principales hospitales, como MGH, que ve alrededor de 110, 000 pacientes al año, centrarse en las poblaciones de mayor riesgo de sepsis. "El problema de la sepsis es que la presentación del paciente a menudo oculta la gravedad del proceso de la enfermedad subyacente, "Heldt dice." Si alguien entra con debilidad y no se siente bien, un poco de líquido a menudo puede ser suficiente. Pero, en algunos casos, tienen sepsis subyacente y pueden deteriorarse muy rápidamente. Queremos poder decir qué pacientes han mejorado y cuáles están en un camino crítico si no se tratan ".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.