Wdrożenie systemu wykrywania i ostrzegania o ryzyku psychozy w czasie rzeczywistym w oparciu o elektroniczną dokumentację medyczną z wykorzystaniem CogStack
15 maja 2020
Pokazujemy, jak wdrożyć system obliczania ryzyka psychozy i ostrzegania w czasie rzeczywistym oparty na CogStack, platformie wyszukiwania i ekstrakcji informacji dla elektronicznej dokumentacji medycznej.
Wpływ zapobiegania psychozie jest ograniczony przez to, jak skutecznie możemy wykrywać osoby zagrożone. Protokół ten przedstawia nowe podejście do wdrażania usługi wykrywania i ostrzegania o ryzyku psychozy w rzeczywistym systemie elektronicznej dokumentacji medycznej. Główną zaletą tego klinicznie zindywidualizowanego kalkulatora ryzyka jest to, że pozwala on na automatyczne wykrywanie osób zagrożonych psychozą na dużą skalę za pomocą elektronicznej dokumentacji medycznej dotyczącej różnych schorzeń psychicznych i w czasie rzeczywistym.
Obecne metody wykrywania osób zagrożonych psychozą są stosunkowo nieskuteczne i wykrywa się zaledwie 5-12% przypadków pierwszego epizodu psychozy. System ten pozwala na lepsze wykrywanie osób zagrożonych, a także lepszą komunikację z lekarzami. Opracowana platforma może być dostosowana do innych systemów przewidywania, modelowania i wykrywania ryzyka w psychiatrii, co może wspierać wdrażanie medycyny precyzyjnej w opiece klinicznej z korzyścią dla pacjentów.
Chcemy rozpowszechnić tę nową metodę wśród szerszej społeczności i współpracować z innymi badaczami, klinicystami, pacjentami, opiekunami i interesariuszami, aby przyspieszyć wdrażanie medycyny precyzyjnej w psychiatrii. Mamy nadzieję, że ten film ułatwi osiągnięcie tego celu. Chociaż skrypt, który został wykorzystany do wdrożenia tego systemu i metody, są szczegółowo opisane w badaniu.
Nasz zespół badawczy z przyjemnością pomoże przyszłym badaczom, którzy mogą chcieć wdrożyć podobne podejście w swoich warunkach klinicznych. Zacznij od pobrania lub sklonowania repozytorium kodu z GitHub. Aby skonfigurować potok CogStack do pozyskiwania danych, otwórz katalog cogstack_deploy/cogstack/i zmodyfikuj psychozę.
właściwości i zmodyfikuj ustawienia sekcji Source:DBCONFIGURATION w oparciu o konfigurację bazy danych elektronicznego rekordu zdrowia, w tym określając adres IP serwera bazy danych, nazwę bazy danych, nazwę użytkownika bazy danych i hasło. Otwórz przeglądarkę internetową i uzyskaj dostęp do interfejsu użytkownika Kibana. Po raz pierwszy uzyskując dostęp do narzędzia Kibana, kliknij kartę Zarządzanie i wzorce indeksów, aby określić interesujący Cię indeks wyszukiwania elastycznego i wprowadź psychosis_base w polu wzorca indeksu.
Kliknij przycisk Następny krok i wybierz ETL_updated_dttm jako nazwę pola filtru czasu. Następnie kliknij pozycję Utwórz wzorzec indeksu, aby dodać wzorzec indeksu psychosis_base dla narzędzia Kibana. Po nawiązaniu połączenia z indeksem wyszukiwania elastycznego wyszukaj i przeglądaj dane źródłowe interaktywnie za pośrednictwem strony odnajdywania.
Aby uzyskać dostęp do kalkulatora ryzyka, otwórz nowe okno terminala i otwórz katalog psychozy. Wprowadź odpowiednie polecenie do terminala, aby zainstalować wszystkie wymagane pakiety Pythona używane w kalkulatorze ryzyka i uruchomić kalkulator ryzyka psychozy. Jeśli proces zakończy się pomyślnie, dzienniki kalkulacji ryzyka zostaną wydrukowane w terminalu, a wyniki ryzyka zostaną zapisane w nowym elastycznym indeksie wyszukiwania o nazwie psychosis_risk na platformie CogStack.
Aby sprawdzić wyniki ryzyka w interfejsie Kibana, dodaj nowy wzorzec indeksu psychosis_risk połączyć Kibana z indeksem psychosis_risk i eksplorować wyniki ryzyka za pośrednictwem strony odnajdywania. Aby utworzyć wizualizacje i pulpity nawigacyjne w celu uzyskania przeglądu cech dla całej populacji pacjentów z grupy ryzyka, kliknij przycisk Wizualizuj, a następnie kliknij przycisk Utwórz nową wizualizację. Wybierz typ wizualizacji i wybierz psychosis_risk jako indeks do wizualizacji.
Po utworzeniu poszczególnych wizualizacji kliknij przycisk Pulpit nawigacyjny, aby utworzyć pulpit nawigacyjny, który będzie wyświetlał zestaw powiązanych wizualizacji razem. Aby utworzyć alerty dla lekarzy, gdy pacjenci są zagrożeni psychozą, kliknij opcję Zarządzanie i obserwator. Aby skonfigurować nowego obserwatora, kliknij przycisk Utwórz zaawansowaną obserwację i wprowadź identyfikator oraz nazwę.
Aby wysłać wiadomość e-mail z ostrzeżeniem na adres lekarza, usuń zawartość sekcji JSON zegarka i skopiuj zawartość pliku watcher. json z katalogiem psychozy do sekcji JSON zegarka. Przed zapisaniem obserwatora kliknij przycisk Symuluj, aby przetestować wykonanie obserwatora.
Jeśli obserwator zostanie ustawiony pomyślnie, pojawią się dane wyjściowe symulacji. Na tej reprezentatywnej liczbie rekordów pozyskanych do CogStack w czasie można zaobserwować w porządku chronologicznym na podstawie daty ostatniej aktualizacji rekordu. Po porównaniu liczb i zawartości rekordów w bazie danych w indeksie wyszukiwania elastycznego nie wykryto żadnych brakujących i rozbieżnych danych potwierdzających niezawodność potoku CogStack i pozyskiwania danych w synchronizacji.
Jak pokazują te liczby, można zwizualizować charakterystykę pacjentów zagrożonych psychozą, w tym pochodzenie etniczne pacjenta, płeć, wiek i kategorie diagnoz. W tym miejscu można zaobserwować interfejs do ustawiania usługi ostrzegania o ryzyku przy użyciu komponentu watch w usłudze Kibana, jak pokazano. Po pomyślnym skonfigurowaniu tej usługi użytkownicy otrzymają powiadomienie e-mail, jeśli jest jeden lub więcej pacjentów, u których ryzyko psychozy w ciągu dwóch lat jest wyższe niż 5%Ważne jest, aby przeprowadzić walidację krzyżową, aby upewnić się, że z lokalnego systemu elektronicznej dokumentacji medycznej pobierane są prawidłowe informacje.
Możemy zintegrować ulepszoną wersję tego kalkulatora ryzyka i tego protokołu, aby jeszcze bardziej poprawić przewidywanie wyników. Możemy dodatkowo zintegrować dynamiczną wersję tego kalkulatora ryzyka, która pozwoliłaby na aktualizację wyników w czasie rzeczywistym w miarę zmiany objawów pacjenta, dając w ten sposób bardziej wiarygodne prognozy, które lepiej odzwierciedlają ścieżkę kliniczną pacjenta. Protokół ten można ponownie skonfigurować, aby umożliwić monitorowanie i dostarczanie alertów do innych modeli przewidywania ryzyka, umożliwiając lekarzom podejmowanie w odpowiednim czasie decyzji w celu poprawy opieki nad pacjentem, bezpieczeństwa i doświadczenia.
Przegląd
Niniejsze badanie przedstawia nowatorskie podejście do wykrywania ryzyka psychozy w czasie rzeczywistym z wykorzystaniem systemu elektronicznej dokumentacji medycznej. Metoda ta usprawnia identyfikację osób zagrożonych psychozą, co przyczynia się do poprawy komunikacji klinicznej oraz opieki nad pacjentem.
Kluczowe elementy badania
Dziedzina nauki
- Psychiatria
- Informatyka kliniczna
- Modelowanie predykcji ryzyka
Wprowadzenie
- Obecne metody wykrywania ryzyka psychozy są nieefektywne.
- Identyfikuje się jedynie niewielki odsetek przypadków pierwszego epizodu psychotycznego.
- Ulepszenie wykrywania może prowadzić do lepszych wyników leczenia pacjentów.
- Integracja kalkulatorów ryzyka z elektroniczną dokumentacją medyczną jest niezbędna dla medycyny precyzyjnej.
Cel badania
- Wdrożenie systemu detekcji ryzyka psychozy w czasie rzeczywistym.
- Usprawnienie komunikacji między klinicystami a pacjentami.
- Wsparcie wdrażania medycyny precyzyjnej w psychiatrii.
Stosowane metody
- Wdrożenie kalkulatora ryzyka w ramach platformy CogStack.
- Konfiguracja pobierania danych z elektronicznej dokumentacji medycznej.
- Wykorzystanie narzędzia Kibana do wizualizacji danych i generowania powiadomień.
- Walidacja krzyżowa w celu zapewnienia dokładności i niezawodności danych.
Główne wyniki
- Poprawa wskaźników wykrywalności osób zagrożonych psychozą.
- Skuteczna integracja alertów ryzyka dla klinicystów.
- Wizualizacja charakterystyki pacjentów zagrożonych psychozą.
- Aktualizacje przewidywań ryzyka w czasie rzeczywistym na podstawie objawów pacjenta.
Wnioski
- System zwiększa efektywność wykrywania ryzyka psychozy.
- Wspiera on podejmowanie terminowych decyzji klinicznych w celu poprawy opieki nad pacjentem.
- Zaleca się przyszłą integrację dynamicznych kalkulatorów ryzyka.
Często zadawane pytania
Znaczenie dla przemysłu
Zautomatyzowana, w czasie rzeczywistym detekcja ryzyka psychozy z wykorzystaniem platform zintegrowanych z elektroniczną dokumentacją medyczną (EHR), takich jak CogStack, wypełnia krytyczną lukę w wczesnym identyfikowaniu ryzyka psychiatrycznego i interwencji. Możliwość ta zwiększa pewność prognostyczną w punkcie opieki, wspierając skalowalną, indywidualną stratyfikację ryzyka oraz terminowe podejmowanie decyzji klinicznych. Podejście to umożliwia wdrożenie precyzyjnych modeli ryzyka w całym portfelu pacjentów, zapewniając ciągłość translacyjną od etapu odkryć do implementacji klinicznej.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Umożliwia systematyczne testowanie hipotez dotyczących czynników ryzyka psychiatrycznego z wykorzystaniem rzeczywistych danych klinicznych.
- Wspiera biologiczną redukcję ryzyka poprzez integrowanie zwalidowanych algorytmów ryzyka z rutynowymi strumieniami danych.
- Ułatwia funkcjonalną walidację celów poprzez ciągłą, indywidualną ocenę ryzyka.
- Zwiększa pewność predykcyjną w priorytetyzacji strategii interwencji psychiatrycznych.
Przesiew i opracowywanie testów
- Przygotowuje zwalidowane, rzeczywiste zestawy danych do późniejszego doprecyzowania i walidacji modeli ryzyka.
- Standaryzuje wyniki ilościowego określania ryzyka w celu zapewnienia powtarzalności w różnych warunkach klinicznych.
- Umożliwia skalowalne, zautomatyzowane przepływy pracy powiadamiania w celu szybkiego triażu klinicznego.
- Wspiera niezawodną ocenę nowych algorytmów przewidywania ryzyka w środowiskach operacyjnych.
Badania translacyjne i przedkliniczne
- Uzgadnia wyniki detekcji ryzyka z istotnymi klinicznie punktami końcowymi choroby na potrzeby badań translacyjnych.
- Zapewnia ciągłość procesu od opracowania algorytmu po wdrożenie w rzeczywistej praktyce klinicznej.
- Umożliwia podejmowanie decyzji o rozwoju programów biomarkerów psychiatrycznych w oparciu o dostosowane do ryzyka analizy.
- Zapewnia mechanistyczną redukcję ryzyka poprzez powiązanie wyników oceny ryzyka z trajektoriami pacjentów w czasie.
Integracja potoku i przepływu pracy
Ten zintegrowany z EHR system wykrywania ryzyka łączy walidację algorytmów na etapie odkryć z rzeczywistym wdrożeniem klinicznym, wspierając ciągłą informację zwrotną i doskonalenie modelu.
- Biologia odkrywcza: Integruje modele ryzyka oparte na hipotezach z aktualnymi danymi klinicznymi w celu ciągłej walidacji.
- Przesiew: Dostarcza zestandaryzowane, ilościowe wyniki oceny ryzyka w celu skalowalnej stratyfikacji pacjentów.
- Analityka: Zapewnia wizualizowane w czasie rzeczywistym wskaźniki ryzyka, wspierając porównania między różnymi jednostkami chorobowymi oraz proces podejmowania decyzji.
- Badania translacyjne: Zapewnia zgodność wykrywania ryzyka z punktami końcowymi badania klinicznego i monitorowaniem pacjentów.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje modułową, adaptowalną platformę do wdrażania dodatkowych modeli ryzyka w różnych wskazaniach psychiatrycznych.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Zwiększa pewność prognostyczną i redukuje niejednoznaczność mechanistyczną w ocenie ryzyka psychiatrycznego.
- Wartość operacyjna: Standaryzuje i automatyzuje wykrywanie ryzyka, wspierając powtarzalność i skalowalność.
- Wartość strategiczna: Umożliwia wcześniejsze, oparte na danych decyzje go/no-go i poprawia efektywność kapitałową w badaniach i rozwoju (R&D) w psychiatrii.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko oraz rozwój programów biomarkerów i interwencji psychiatrycznych.
Uwagi dotyczące implementacji
- Wymaga wiedzy specjalistycznej z zakresu informatyki klinicznej, inżynierii danych oraz modelowania ryzyka psychiatrycznego.
- Zależy od solidnej integracji z systemami EHR oraz bezpiecznej infrastruktury danych.
- Wymaga międzyzespołowej standaryzacji progów ryzyka i protokołów powiadamiania.
- Możliwość adaptacji do różnych systemów EHR i modeli ryzyka psychiatrycznego przy odpowiedniej konfiguracji.
- Ograniczenia praktyczne obejmują kompletność danych, synchronizację w czasie rzeczywistym oraz wymogi ciągłej walidacji.
