Blog

Jun 11, 2024

Indagine sui casi d'uso dell'intelligenza artificiale e degli strumenti IT nei servizi medici di emergenza

Fonte: Thinkstock, 25 luglio 2023 - I servizi medici di emergenza (EMS) e le squadre di primo intervento svolgono un ruolo determinante nel fornire assistenza sanitaria tempestiva e salvavita. Per contribuire a rendere più efficaci le cure di emergenza

Fonte: Thinkstock

25 luglio 2023 – I servizi medici di emergenza (EMS) e le squadre di primo intervento svolgono un ruolo determinante nel fornire assistenza sanitaria tempestiva e salvavita. Per contribuire a rendere le cure di emergenza più efficienti e migliorare i risultati dei pazienti, molte organizzazioni di servizi di emergenza sanitaria stanno valutando potenziali casi d’uso per l’intelligenza artificiale (AI) e gli strumenti IT sanitari.

Tuttavia, le differenze nel tipo di agenzia di emergenza sanitaria, nei finanziamenti, nei volumi e nella composizione della forza lavoro, nelle risorse e nell’accesso ai dati, come evidenziato nella valutazione dei servizi medici di emergenza nazionale del 2020, possono influire sulle tecnologie e sui casi d’uso a cui un’organizzazione può rivolgersi.

Secondo gli esperti, gli strumenti IA e IT possono affrontare due dei punti critici più comuni negli EMS: garantire il massimo tempo di attività e stabilità del software mobile di gestione degli incidenti e migliorare il triage dei pazienti.

Il dipartimento EMS dell’Università di Pittsburgh Medical Center (UPMC) sta adottando un approccio diverso per ottimizzare il flusso di lavoro e migliorare i risultati dei pazienti costruendo uno strumento di apprendimento automatico (ML) che utilizza gli elettrocardiogrammi (ECG/EKG) per classificare gli eventi cardiaci.

In genere, il personale dei servizi di emergenza sanitaria e altro personale medico utilizza sistemi di classificazione come il punteggio Anamnesi, ECG, Età, Fattori di rischio e Troponina (HEART) per stratificare il rischio dei pazienti con dolore toracico, ha spiegato Christian Martin-Gill, MD, capo della divisione EMS presso UPMC. . Il punteggio HEART, oltre all'interpretazione degli ECG da parte di medici esperti, è considerato la misura gold standard per valutare potenziali eventi cardiaci.

Tuttavia, stratificare e identificare accuratamente i pazienti che soffrono di un evento cardiaco grave, come un infarto, può essere difficile. Gli ECG poco chiari rappresentano uno dei principali ostacoli che i team sanitari devono affrontare durante la valutazione dei pazienti con dolore toracico e possono portare a ritardi nella cura che possono avere un impatto negativo sui risultati dei pazienti.

Martin-Gill ha indicato che oltre a questo problema, le limitazioni nei punteggi di rischio comunemente utilizzati presentano anche potenziali carenze nel triage del dolore toracico.

"Se si pensa ai punteggi di rischio clinico come il punteggio HEART, si basa in gran parte su fattori anamnestici del paziente e quindi su un paio di fattori clinici, come un enzima cardiaco nel sangue, e quindi sulla nostra interpretazione generale dell'ECG, ma combinato con alcuni dati medici passati storia o altri fattori di rischio clinico come l’età”, ha affermato. “E ognuno di questi tipi di punteggi dei fattori di rischio si basa generalmente su una manciata di dati. Se pensi alle persone che le sviluppano, potrebbero valutare una dozzina o due dozzine di fattori che potrebbero mettere qualcuno a rischio di una diagnosi rispetto all'altra. Quindi, sviluppiamo questi punteggi di rischio sulla base di quella manciata di caratteristiche che predispongono qualcuno o sono associate a quella diagnosi”.

Il ML consente l'analisi simultanea di centinaia di caratteristiche di un ECG. Martin-Gill ha sottolineato che questi algoritmi potrebbero elaborare una grande quantità di dati grezzi per ciascun paziente in base alle letture dell'ECG, fornendo una visione più completa della salute del cuore del paziente.

Lo strumento ML sviluppato da Martin-Gill e dal suo team, e convalidato esternamente in sistemi sanitari esterni a UPMC, può esaminare quasi 700 caratteristiche riscontrate negli ECG, che possono aiutare i team di emergenza sanitaria a identificare condizioni come l'ischemia cardiaca o i blocchi nei vasi sanguigni. Lo strumento è progettato per supportare l'interpretazione umana degli ECG, poiché gli algoritmi possono analizzare e interpretare un numero maggiore di caratteristiche dei dati, compresi quelli che potrebbero non essere osservabili a occhio nudo.

"Pensiamo a questo come a uno strumento che non sostituisce l'interpretazione dell'ECG a 12 derivazioni da parte di un medico o di un paramedico, ma uno dei prossimi passi che stiamo facendo è sviluppare un dashboard in cui possiamo inserire le informazioni che l’algoritmo sta riprendendo”, ha detto Martin-Gill.

Ha inoltre osservato che lo strumento ha lo scopo di aiutare gli utenti a esaminare più da vicino parti dell'ECG che sono anormali o importanti ma sottili e, quindi, facili da perdere.

Nei prossimi anni, lo strumento verrà sfruttato in collaborazione con il Bureau of Emergency Medical Services della città di Pittsburgh.