Randomizowane badanie kontrolowane analityki opartej na sztucznej inteligencji w wykrywaniu pogorszenia stanu klinicznego

Dlaczego trudno utrzymać bezpieczeństwo pacjentów w szpitalu

Gdy pacjenci trafiają do szpitala, lekarze i pielęgniarki intensywnie poszukują wczesnych sygnałów, że ktoś może się znacząco pogorszyć. Jednak ludzkie oko może przeoczyć subtelne zmiany w częstości akcji serca, oddechu czy ciśnieniu krwi, zwłaszcza na zatłoczonych oddziałach. Badanie postawiło ważne pytanie: czy system sztucznej inteligencji (AI), który dyskretnie obserwuje parametry życiowe pacjentów w tle, może rzeczywiście pomóc zapobiegać poważnym nagłym zdarzeniom, takim jak zatrzymanie krążenia, niewydolność oddechowa czy pilne przeniesienia na intensywną terapię?

Nowy rodzaj „radaru pogodowego” dla pacjentów

Zespół badawczy przetestował system o nazwie CoMET, który zamienia strumienie danych z monitorów przy łóżku, wyników badań laboratoryjnych i notowanych przez pielęgniarki parametrów życiowych w czytelny wizualny obraz ryzyka. Każdy pacjent pojawia się na dużym ekranie jako jasna ikona komety, której „głowa” pokazuje aktualne ryzyko, a „ogon” — jak to ryzyko zmieniało się w ciągu ostatnich trzech godzin. Wynik 1 oznacza średnie ryzyko poważnego zdarzenia w ciągu następnej doby; wyższe wyniki oznaczają wyższe ryzyko. W przeciwieństwie do głośnych alarmów, system ten po prostu wyświetla informacje nieustannie. Założenie było takie, że cicha, ciągła wizualizacja ryzyka pomoże personelowi dostrzec niepokojące trendy wcześniej i sprawdzić pacjentów, zanim dojdzie do załamania.

Testowanie AI na prawdziwych oddziałach szpitalnych

Aby sprawdzić, czy to wyświetlenie rzeczywiście robi różnicę, zespół przeprowadził duże randomizowane badanie kontrolowane na 85-łóżkowym oddziale kardiologii i kardiochirurgii w szpitalu uniwersyteckim. W badanie włączono ponad dziesięć tysięcy pobytów szpitalnych przez prawie dwa lata, w okresie pandemii COVID-19. Zamiast randomizować pojedynczych pacjentów, badacze losowali grupy sal. W niektórych grupach wyświetlacz CoMET był włączony; inne kontynuowały standardową opiekę bez wyświetlacza. Wszyscy otrzymywali standardową opiekę medyczną; jedyną różnicą było to, czy personel mógł widzieć trajektorie ryzyka na dużych monitorach i w dokumentacji elektronicznej. Nie narzucono konkretnych działań — zachęcano klinicystów, ale nie wymagano reakcji przy wzroście wyników.

Co się stało z wynikami pacjentów

Głównym miarą była liczba godzin w pierwszych 21 dniach pobytu w szpitalu, w których pacjenci pozostawali wolni od poważnego pogorszenia — zdarzeń takich jak zgon, nagłe przeniesienie na oddział intensywnej terapii, pilne założenie rurki do oddychania, zatrzymanie krążenia czy pilna operacja. Większość pacjentów nie doświadczyła żadnego takiego zdarzenia, więc otrzymali maksymalny wynik 21 dni bez zdarzeń. Ogólnie około 5% pacjentów doświadczyło poważnego zdarzenia. Modele predykcyjne stojące za systemem AI działały dobrze i nawet przewyższały powszechny wskaźnik wczesnego ostrzegania, jednak gdy badacze porównali grupę z włączonym wyświetlaczem i bez niego, nie stwierdzili istotnej różnicy w liczbie godzin bez zdarzeń ani w śmiertelności. Wśród mniejszej grupy pacjentów, u których wystąpiło zdarzenie, osoby z grupy z aktywnym wyświetlaczem miały skłonność do bardziej stabilnego przebiegu godzin przed zdarzeniem, ale ten wzorzec nie był wystarczająco mocny, by uznać go za statystycznie przekonujący.

Jak decyzje ludzkie rozmyły wyniki eksperymentu

Jedno z najbardziej uderzających ustaleń miało mniej wspólnego z matematyką, a więcej z zachowaniem ludzi. W trakcie badania klinicyści często przenosili pacjentów między łóżkami: setki osób trafiły z łóżek opieki standardowej do łóżek z wyświetlaczem i odwrotnie. Bliższa analiza wykazała, że pacjenci bardziej chorzy częściej byli przenoszeni do sal z wyświetlaczem AI. Innymi słowy, personel wydawał się uważać CoMET za przydatny i starał się zapewnić pacjentom o wyższym ryzyku dodatkowy monitoring, mimo że projekt badania miał na celu utrzymanie losowych przydziałów. Te przemieszczenia łóżek musiały zostać potraktowane jako zdarzenia cenzurujące w analizie i prawdopodobnie rozcieńczyły każdy rzeczywisty efekt, jaki system mógłby mieć. Badanie odbywało się także w warunkach napięć związanych z pandemią COVID-19, co zmniejszyło wskaźniki zdarzeń i wprowadziło dodatkową złożoność.

Co to oznacza dla przyszłości AI w szpitalach

Dla pacjentów i rodzin wniosek jest jednocześnie ostrożny i obiecujący. To dobrze zaprojektowane badanie w realnym środowisku pokazało, że samo dodanie pasywnego wyświetlacza ryzyka AI, bez alarmów czy ścisłych zasad reakcji, nie poprawiło wyraźnie wyników takich jak śmiertelność czy pilne przeniesienia na tych oddziałach. Jednak fakt, że klinicyści kierowali cięższych pacjentów do łóżek wyposażonych w AI, sugeruje, iż dostrzegali wartość tych informacji. Autorzy wnioskują, że przyszłe badania nad narzędziami AI w szpitalach muszą sięgnąć poza samą dokładność i wielkość prób: powinny śledzić, jak klinicyści interpretują wyniki ryzyka, jak zespoły komunikują się i reagują na nie oraz jak przydziały łóżek, obciążenie pracą i rzadkie zdarzenia wpływają na wyniki. AI nadal może pomóc wykrywać problemy wcześniej, ale by rzeczywiście zwiększyć bezpieczeństwo pacjentów, projektanci i badacze będą musieli łączyć inteligentne algorytmy z równie przemyślanym uwzględnieniem ludzkiego osądu, organizacji pracy i kultury szpitalnej.

Cytowanie: Keim-Malpass, J., Ratcliffe, S.J., Clark, M.T. et al. A randomized controlled trial of artificial intelligence-based analytics for clinical deterioration. Sci Rep 16, 7345 (2026). https://doi.org/10.1038/s41598-026-39051-z

Słowa kluczowe: pogorszenie stanu klinicznego, monitorowanie predykcyjne, AI w szpitalu, systemy wczesnego ostrzegania, oddział kardiologiczny