ในช่วงการแพร่ระบาดระลอกแรกของโควิด-19 ฉันได้เห็นผู้ป่วยที่กำลังต่อสู้กับการติดเชื้อโรคหนึ่ง ต้องตกเป็นเหยื่อของการติดเชื้ออีกโรคหนึ่ง ซึ่งเป็นสิ่งที่เราไม่ได้คาดคิดว่าจะเกิดขึ้น

มันไม่ได้มาจากภายนอก แต่มันกำลังแพร่กระจายภายในโรงพยาบาล (อ่านเรื่องราวของ BBC)

ในเวลานั้น ฉันได้เป็นอาสาสมัครในโรงพยาบาลและทำงานร่วมกับ Imperial College Healthcare NHS Trust เพื่อคาดการณ์ความต้องการเตียงและเครื่องช่วยหายใจแบบเรียลไทม์ ฉันเพิ่งเริ่มเรียนปริญญาเอกสาขาคณิตศาสตร์ที่ Imperial College London โดยสร้างแบบจำลองคาดการณ์เพื่อติดตามการแพร่กระจายของเชื้อดื้อยา

แต่สิ่งที่ฉันได้เห็นภายในโรงพยาบาลทำให้บางสิ่งชัดเจนอย่างเจ็บปวด นั่นคือเราไม่ได้กำลังต่อสู้กับไวรัสเพียงอย่างเดียว แต่เรากำลังคลำทางในความมืดเมื่อพูดถึงเรื่องการแพร่กระจายเชื้อระหว่างผู้ป่วย

นั่นคือตอนที่คำถามหนึ่งผุดขึ้นมาในหัว: จะเป็นอย่างไรถ้าเราสามารถมองเห็นการติดเชื้อที่กำลังจะเกิดขึ้น ก่อนที่มันจะแพร่กระจาย?

ในแต่ละปี แบคทีเรียดื้อยาทำให้เกิดการติดเชื้อถึง 136 ล้านครั้ง¹ และคาดว่าจะมีส่วนทำให้มีผู้เสียชีวิตสูงถึง 39 ล้านคนในอีก 25 ปีข้างหน้า² นี่ไม่ใช่ภัยคุกคามที่อยู่ไกลตัว แต่กำลังเกิดขึ้นในโรงพยาบาลของเรา ในระหว่างการรักษาพยาบาลตามปกติ แม้ในช่วงที่ไม่มีโรคระบาด ผู้ป่วยในโรงพยาบาลประมาณ 10% ก็ยังติดเชื้อในระหว่างที่พักรักษาตัว³ และโรงพยาบาลส่วนใหญ่ยังขาดระบบในการติดตาม หรือคาดการณ์ได้อย่างน่าเชื่อถือ ว่าการติดเชื้อเหล่านี้แพร่กระจายอย่างไร

ฉันเคยเห็นภัยคุกคามเหล่านี้อย่างใกล้ชิดมาก่อน ทั้งในงานช่วงแรกๆ ของฉันเกี่ยวกับการป้องกันภัยทางชีวภาพและการตรวจหาการติดเชื้อ และตอนนี้ก็อีกครั้งในช่วงวิกฤตโควิด ความเสี่ยงไม่ได้เป็นเพียงทางชีวภาพเท่านั้น แต่ยังเป็นเชิงโครงสร้างด้วย: ข้อมูลกระจัดกระจาย เจ้าหน้าที่ล้นมือ และการตัดสินใจต้องทำแบบตั้งรับ ซึ่งมักจะสายเกินไป

นั่นคือตอนที่แนวคิดสำหรับ NEX ถือกำเนิดขึ้น: ระบบที่สามารถทำให้การควบคุมการติดเชื้อเป็นการเชิงรุก ไม่ใช่แค่เชิงรับ ระบบที่สามารถใช้ประโยชน์จากข้อมูลที่มีอยู่ภายในโรงพยาบาลเพื่อตรวจหาโรคแต่เนิ่นๆ ระบุว่าใครมีความเสี่ยง และคาดการณ์ว่าการแพร่เชื้ออาจเกิดขึ้นที่ใดเป็นจุดต่อไป

ในช่วงเวลานั้น ฉันได้พบกับ ดร. ชาง โฮ ยุน (Dr. Chang Ho Yoon) แพทย์โรคติดเชื้อจากมหาวิทยาลัยออกซ์ฟอร์ด (University of Oxford) เราทั้งคู่ทำงานร่วมกันที่สถาบัน อลัน ทัวริง (Alan Turing Institute) และพบกับความหงุดหงิดใจร่วมกันอย่างรวดเร็วกับระบบควบคุมการติดเชื้อในรูปแบบเดิมๆ ที่ไม่ยืดหยุ่น และมีวิสัยทัศน์ร่วมกันว่า AI และข้อมูลแบบเรียลไทม์จะสามารถช่วยให้โรงพยาบาลดำเนินการได้เร็วขึ้น ด้วยความชัดเจนและแม่นยำที่มากขึ้นได้อย่างไร

เราเริ่มต้นด้วยการสร้างเครื่องมือเพื่อช่วยให้ทีมควบคุมการติดเชื้อเห็นภาพว่าจุดที่เกิดการติดเชื้ออยู่ที่ใด และมีแนวโน้มที่จะแพร่กระจายไปที่ใด จากนั้นเราได้พัฒนาการวิเคราะห์เชิงคาดการณ์โดยอาศัยหลักฐานทางคลินิกและระบาดวิทยา แบบจำลองของเราได้รับการพิสูจน์ความถูกต้องจากประวัติผู้ป่วยหลายแสนรายจากระบบโรงพยาบาลหลักๆ ในสหราชอาณาจักรและเอเชีย

ในปี 2023 เราได้เผยแพร่การศึกษาครั้งสำคัญใน The Lancet Digital Health (อ่านเอกสารงานวิจัย) ซึ่งแสดงให้เห็นว่าการติดเชื้อที่เกิดขึ้นในโรงพยาบาลสามารถคาดการณ์ล่วงหน้าได้หลายวัน ซึ่งช่วยเปิดโอกาสสำคัญในการป้องกัน

งานดังกล่าวได้กลายเป็นรากฐานของ NEX รับฟังเพิ่มเติมในพอดแคสต์ของเราได้ที่:

20 กรกฎาคม 2022

19 นาที

THE LANCET DIGITAL HEALTH

Ashleigh Myall ว่าด้วยการคาดการณ์การติดเชื้อโควิด-19 ในโรงพยาบาล

Ashleigh Myall เข้าร่วมพูดคุยกับ Diana Samuel เพื่ออภิปรายเกี่ยวกับกรอบการทำงานของแมชชีนเลิร์นนิงแบบใหม่ ซึ่งผสานรวมเครือข่ายการสัมผัสของผู้ป่วยที่มีการเปลี่ยนแปลงตลอดเวลาร่วมกับตัวแปรทางคลินิกของผู้ป่วย และตัวแปรตามบริบทของโรงพยาบาล เพื่อคาดการณ์การติดเชื้อโควิด-19 ที่เกิดขึ้นในโรงพยาบาล

ฟังพอดแคสต์

ปัจจุบัน แพลตฟอร์ม NEX กำลังถูกนำไปใช้งานในโรงพยาบาลทั่วสหราชอาณาจักรและเอเชียตะวันออกเฉียงใต้ ซึ่งช่วยให้ทีมป้องกันและควบคุมการติดเชื้อไม่เพียงแต่เห็นสิ่งที่กำลังเกิดขึ้น แต่เห็นสิ่งที่กำลังจะเกิดขึ้นด้วย เพื่อสนับสนุนการตอบสนองต่อการระบาดและความเสี่ยงในการแพร่เชื้อที่รวดเร็ว ตรงจุด และมีประสิทธิภาพยิ่งขึ้น

เพราะอนาคตของการควบคุมการติดเชื้อคือการคาดการณ์สิ่งที่จะเกิดขึ้นต่อไป และหยุดยั้งการติดเชื้อที่ป้องกันได้ก่อนที่มันจะเริ่มต้นขึ้น