Fresenius Medical Care utilise l’analyse prédictive pour prédire les complications de la dialyse

L’hémodialyse est un traitement vital pour les patients souffrant d’insuffisance rénale. Un traitement appelé dialyse rénale agit au nom des reins pour nettoyer le sang, mais il comporte des risques. Fresenius Medical Care, une société médicale allemande spécialisée dans la fourniture de dialyse rénale, utilise l’IoT et les données cliniques en temps quasi réel pour prédire l’une des complications les plus courantes associées à la dialyse.

La société possède plus de 4 000 centres de dialyse dans le monde, avec un accent particulier sur le traitement des patients atteints d’insuffisance rénale terminale (IRT). Les patients atteints d’insuffisance rénale terminale doivent subir une dialyse trois fois par semaine pour le reste de leur vie. Environ 10 % des patients hémodialysés développent une hypotension de dialyse (IDH), appelée hypotension.

« L’IDH peut présenter un risque immédiat et grave pour les patients sous dialyse, et le personnel médical doit réagir immédiatement. L’IDH réduit ainsi non seulement la qualité de vie des patients, qui est également associée à la morbidité et à la mortalité, et réduit l’efficience et l’efficacité cliniques, « , a déclaré le directeur des statistiques informatiques et de l’intelligence artificielle du Kidney Institute, une filiale en propriété exclusive de Fresenius Medical Care Holdings. M. Hanji Jiang, responsable du projet, a déclaré :

« Une fois que la tension artérielle d’un patient chute et que l’IDH est confirmée, le personnel médical doit intervenir et les opérations de la clinique sont perturbées », a déclaré le Dr Peter Cocanto, directeur de recherche au Kidney Institute.

En septembre 2021, Fresenius a commencé à utiliser l’apprentissage automatique et le cloud computing pour développer un modèle qui prédit l’apparition de l’IDH 15 à 75 minutes à l’avance. Vous pouvez intervenir de manière proactive dans le traitement des patients en milieu médical. Pour y parvenir, l’équipe a dû relever trois défis majeurs. Évolutivité, qualité, surveillance proactive et précision. Le projet, intitulé « Prédiction en temps réel de l’hypotension de dialyse à l’aide de l’apprentissage automatique et du cloud computing », permettra à l’entreprise dePrix ​​CIO 100 2023 en excellence informatiqueÇa brillait.

Tirer parti des données pour améliorer les résultats en matière de santé

« Nous sommes ravis de nous associer à Fresenius Medical Care », a déclaré Pete Waguespack, directeur de l’architecture et de l’ingénierie des données et des analyses pour la division américaine de Fresenius Medical Care. « Il est difficile de prédire l’IDH chez les patients hémodialysés car de nombreux facteurs liés au patient et au traitement contribuent au risque d’IDH. Cliniquement, il est difficile de prédire la probabilité d’IDH pour un patient donné sous dialyse. Il était essentiel de créer une équipe interfonctionnelle d’experts cliniques, opérationnels et technologiques pour définir le besoin de prédiction et de réaction en temps quasi réel.

La solution devait être déployée dans tous les centres de dialyse Fresenius, chaque centre transmettant 10 Mbps de données médicales aux heures de pointe. Une solution à faible latence et sensible au temps, avec 10 secondes de génération de données depuis les appareils de dialyse et les capteurs médicaux jusqu’aux rapports et notifications, était essentielle.

Ils avaient également besoin de mécanismes de surveillance et d’alerte systématiques et automatisés pour aider leurs équipes à détecter les problèmes et à réagir rapidement. La solution utilise les alertes CloudWatch pour avertir l’équipe DataOps lorsque des pannes ou des erreurs se produisent, et utilise Kinesis Data Analytics et Kinesis Data Streams pour générer des alertes de qualité des données.

« En utilisant une approche agile, nous avons donné la priorité à la capacité de livrer un prototype minimum viable sur une période de 6 mois. Nos principaux défis étaient lors des charges de pointe (6 000 messages par seconde, 60 000 messages par seconde. Nous adaptons l’ingénierie des données en temps réel, l’estimation, et surveillance en temps réel pour respecter les accords de niveau de service de 19 Mbps de simultanéité Lambda) et toute la journée (traitement 24x7x365 de plus de 550 millions de messages). », a déclaré Waguespack.

Le modèle d’apprentissage automatique de Fresenius utilise des mesures de pression artérielle intradialytique et un système de dossier médical électronique composé de plusieurs variables de traitement et de patient. L’équipe a formé et validé le modèle à l’aide de données observées lors de 42 656 séances de dialyse réalisées par 693 patients sous dialyse dans les centres de l’entreprise. Grâce à ces formations, notre modèle a été optimisé pour émettre une alerte IDH entre 15 secondes et 75 secondes avant le début d’un événement IDH.

Réforme de la dialyse

Le projet représentait un nouveau terrain pour Fresenius, car l’entreprise devait étudier les moyens de protéger les informations médicales dans le cloud et le rôle de l’IA dans la pratique clinique, a déclaré Waguespack. Chacun concerne des bloqueurs réels et perçus.

« Il était essentiel d’avoir la pleine coopération de toutes les parties impliquées. Nous travaillons pleinement ensemble en nous concentrant sur l’amélioration de la qualité, une transparence totale dans notre travail et garantissons une intégrité maximale en répondant à nos propres attentes. et c’est ce qui s’est passé », a-t-il déclaré. .

Pour réussir, les organisations informatiques devaient devenir plus agiles, tirer les leçons des premiers échecs et intégrer ces apprentissages dans des livrables aussi précieux que de nouvelles fonctionnalités.

« Ce changement d’attitude et d’attentes devait venir du haut vers le bas et du bas vers le haut. Animé par des personnes qui ont l’expérience des approches agiles et qui peuvent constamment adapter leurs actions. Ce changement changera le langage que nous utilisons, la façon dont nous célébrons l’apprentissage et le progrès, ainsi que la façon dont nous collaborons respectueusement les uns avec les autres. Cela se voit dans la caractéristique de l’équipe d’être une bonne adéquation.

Bien que l’outil IDH n’ait pas encore été évalué et autorisé à être utilisé par la Food and Drug Administration (FDA) des États-Unis, l’équipe a récemment publié ses résultats dans une revue universitaire de premier plan en néphrologie, a déclaré Zhang. Bien que d’autres essais cliniques soient nécessaires pour vérifier si la prédiction de l’IDH et des mesures de prévention opportunes et appropriées peuvent réduire les taux d’IDH et améliorer les résultats pour les patients, les performances élevées de notre modèle dans la cohorte de validation sont prometteuses. Waguespack a ajouté que ce modèle constitue une étape supplémentaire dans la transformation numérique en cours de Fresenius Medical Care.

« La possibilité de prédire l’IDH pendant la dialyse est l’un des multiples éléments de base qui nous amènent dans le monde de l’Internet des objets, du big data et de l’intelligence artificielle. Nous collecterons des téraoctets de données provenant de nouvelles sources. À partir de là, nous répéterons processus et technologies pour gérer efficacement les données, y compris l’apprentissage automatique pour les applications de classification d’images, la recherche génomique et à grande échelle. Nous parviendrons à une innovation technologique continue, y compris des modèles de langage.