ปกป้องผู้ป่วยด้วยการตรวจหาการติดเชื้อที่รวดเร็วยิ่งขึ้น

ปกป้องผู้ป่วยด้วยการตรวจหาการติดเชื้อที่รวดเร็วยิ่งขึ้น

ที่โรงพยาบาลพระมงกุฎเกล้าในกรุงเทพมหานคร ทีมแพทย์ได้เริ่มใช้ระบบคาดการณ์ความเสี่ยงรายวันด้วย AI เพื่อระบุผู้ป่วยในที่อาจได้รับประโยชน์จากการตรวจคัดกรองเพิ่มเติมสำหรับเชื้อ Enterobacterales ที่ดื้อต่อยาคาร์บาพีเนม หรือ CRE การดำเนินงานนี้ได้รับการออกแบบภายใต้สมมติฐานด้านความปลอดภัยของผู้ป่วย นั่นคือ การระบุความเสี่ยงของเชื้อ CRE ให้เร็วขึ้นจะช่วยให้ทีมแพทย์สามารถดำเนินการได้เร็วขึ้นและปกป้องผู้ป่วยกลุ่มเปราะบางรายอื่นได้หรือไม่ จากข้อมูลที่เราทราบ นี่ถือเป็นหนึ่งในรายงานการใช้งานจริงครั้งแรก ๆ ของการใช้ AI เพื่อชี้นำการเฝ้าระวังเชิงรุกสำหรับเชื้อ CRE ในโรงพยาบาล ซึ่งขณะนี้การใช้งานยังอยู่ในช่วงเริ่มต้น โดยมีบุคลากรทางการแพทย์คอยควบคุมดูแลและติดตามผลอย่างใกล้ชิดเป็นหัวใจสำคัญ

NEX Health Intelligence

ช่วงเวลาความปลอดภัยของผู้ป่วยก่อนการตรวจพบ

CRE สามารถอาศัยอยู่ในร่างกายของผู้ป่วยโดยไม่แสดงอาการ ดังนั้น ผู้ป่วยจึงอาจมีเชื้อดังกล่าวอยู่ในร่างกายก่อนที่โรงพยาบาลจะได้รับผลตรวจที่เป็นบวก

ในช่วงเวลานี้ อาจยังไม่มีการดำเนินมาตรการป้องกันที่เหมาะสม ซึ่งส่งผลให้เกิดโอกาสที่เชื้อ CRE จะแพร่กระจายผ่านทางบุคลากร อุปกรณ์ หรือสภาพแวดล้อมในโรงพยาบาลร่วมกัน

การคัดกรองที่รวดเร็วขึ้นช่วยให้ทีมแพทย์มีเวลามากขึ้นในการตรวจหาการสะสมของเชื้อและพิจารณาดำเนินการที่เหมาะสม CDC แนะนำให้ใช้มาตรการที่มุ่งเป้าโดยเฉพาะ รวมถึงการแยกกักโรคและมาตรการป้องกันการสัมผัสสำหรับผู้ป่วยที่มีเชื้อ CRE

การทดลองเชิงปฏิบัติในแผนกผู้ป่วยหนัก (ICU) ยังรายงานด้วยว่าอัตราการรับเชื้อลดลงในระหว่างการเฝ้าระวังเชิงรุกและการแยกกักโรคเพื่อป้องกันล่วงหน้า (Jung et al., 2023)

โมเดลนี้ช่วยสนับสนุนการคัดกรองโรคที่เร็วขึ้นอย่างไร

แบบจำลองนี้ใช้ข้อมูลโรงพยาบาลที่เก็บรวบรวมเป็นประจำเพื่อประเมินว่าผู้ป่วยในรายใดที่อาจมีความเสี่ยงเพิ่มขึ้นในการตรวจพบเชื้อ CRE เป็นบวกในช่วง 7 วันข้างหน้า

โดยพิจารณาจากสิ่งต่อไปนี้:

  • สถานที่ที่ผู้ป่วยพักรักษาตัวและเส้นทางการเคลื่อนย้ายผู้ป่วยภายในโรงพยาบาล

  • ความเชื่อมโยงกับผู้ป่วยที่ทราบว่าติดเชื้อ CRE

  • การสั่งจ่ายยาต้านจุลชีพ

  • อุปกรณ์และหัตถการทางการแพทย์

  • เหตุการณ์ทางคลินิกอื่นๆ ที่เกี่ยวข้องกับความเสี่ยงในการรับเชื้อ

ความเสี่ยงสามารถพัฒนาขึ้นได้ผ่านเหตุการณ์ที่เชื่อมโยงกันหลายเหตุการณ์เมื่อเวลาผ่านไป แบบจำลองนี้จะเรียนรู้ว่าปัจจัยเหล่านี้มีปฏิสัมพันธ์กันอย่างไร และนำเสนอผลลัพธ์เพื่อการทบทวนทางคลินิก

การวิจัยเมื่อเร็วๆ นี้ได้พัฒนาแบบจำลองแมชชีนเลิร์นนิงย้อนหลังเพื่อสนับสนุนการคัดกรองเชื้อ CPE และเรียกร้องให้มีการตรวจสอบความถูกต้องในอนาคตในสภาวะทางคลินิก (Kim et al., 2026) ขณะนี้เรากำลังประเมินว่าการคาดการณ์ประเภทนี้สามารถสนับสนุนการตัดสินใจคัดกรองที่เกิดขึ้นจริงได้อย่างไร

จากการทำนายสู่การปฏิบัติการทางคลินิก

ในแต่ละวัน แบบจำลองจะเน้นย้ำถึงผู้ป่วยที่มีความเสี่ยงซึ่งอาจจำเป็นต้องได้รับการทบทวนอย่างใกล้ชิด

แพทย์จะตรวจพิจารณาบริบทของผู้ป่วยและตัดสินใจว่าการคัดกรองเพิ่มเติมนั้นเหมาะสมหรือไม่ แบบจำลองนี้ไม่ได้วินิจฉัยเชื้อ CRE หรือกำหนดการแยกโรค การรักษา หรือการดำเนินการทางคลินิกอื่นๆ โดยอัตโนมัติ

การตัดสินใจทางคลินิกยังคงเป็นสิ่งสำคัญที่สุด การคาดการณ์ความเสี่ยงช่วยให้แพทย์มุ่งเน้นความสนใจได้ดีขึ้น ในขณะที่การตัดสินใจจะพิจารณาถึงตัวผู้ป่วย แนวทางปฏิบัติในปัจจุบัน และขีดความสามารถที่รองรับได้ของโรงพยาบาล

วัดผลในสิ่งที่มีความสำคัญต่อผู้ป่วย

ประสิทธิภาพของแบบจำลองจะได้รับการตรวจสอบทุกวัน นอกจากนี้ยังมีการกำหนดค่าและปรับเทียบใหม่เป็นประจำเพื่อรองรับการเปลี่ยนแปลงของความชุกของเชื้อ CRE และพฤติกรรมการคัดกรอง

ประสิทธิภาพทางเทคนิคเป็นส่วนหนึ่งของการประเมิน คำถามเกี่ยวกับความปลอดภัยของผู้ป่วยคือ แบบจำลองนี้ช่วยระบุผู้ป่วยเพิ่มเติมได้เร็วขึ้นหรือไม่ ช่วยสนับสนุนการดำเนินมาตรการป้องกันอย่างทันท่วงที และช่วยลดระยะเวลาที่ผู้ป่วยที่มีความเสี่ยงสูงจะยังคงไม่ได้รับการตรวจพบหรือไม่

217%

ของผลผลิตการคัดกรองที่เพิ่มขึ้น

84.6%

ได้รับการระบุก่อนการเพาะเชื้อทางคลินิก

0.825

AUROC ของกลุ่มประชากรนอกนโยบาย

12 วัน

ค่ามัธยฐานของระยะเวลานำร่องความเสี่ยง CPE

12 จาก 60 ราย

พบผลบวก CRE นอกนโยบายการคัดกรอง

อะไรจะเกิดขึ้นต่อไป

ลำดับความสำคัญเร่งด่วนในขณะนี้คือการทำความเข้าใจเพิ่มเติมเกี่ยวกับวิธีที่ระบบส่งผลต่อการตัดสินใจในการคัดกรอง และการปรับปรุงความปลอดภัยของผู้ป่วยในการดูแลรักษาตามปกติ

ต่อไป ทีมงานกำลังประเมินว่าจะสามารถสนับสนุนการตัดสินใจเกี่ยวกับผู้ที่ควรได้รับการคัดกรอง พื้นที่ใดที่การคัดกรองอาจมีความสำคัญน้อยกว่า และจะสามารถนำไปใช้ร่วมกันอย่างสอดคล้องโดยทีมงานในหอผู้ป่วยและทีมควบคุมและป้องกันการติดเชื้อได้อย่างไร

งานนี้จะช่วยระบุว่าการเฝ้าระวังเชิงรุกโดยมี AI ช่วยแนะนำจะสามารถนำมาใช้จริงในฐานะส่วนหนึ่งของการปกป้องผู้ป่วยจากเชื้อ CRE ได้หรือไม่

แหล่งข้อมูลเพิ่มเติม

สำรวจข้อมูลเชิงลึกเกี่ยวกับการติดเชื้อต่อไป

สำรวจหลักฐานล่าสุด แนวคิดเกี่ยวกับผลิตภัณฑ์ และบันทึกจากภาคสนามของ NEX

ดูทรัพยากรทั้งหมด

ดูทรัพยากรทั้งหมด

ระบบข้อมูลอัจฉริยะด้านการติดเชื้อเพื่อโรงพยาบาลที่ปลอดภัยยิ่งขึ้น

ดูว่า NEX ช่วยตรวจจับความเสี่ยงได้เร็วขึ้น สอบสวนการระบาดได้ไวขึ้น และป้องกันการติดเชื้อที่หลีกเลี่ยงได้อย่างไร

ระบบข้อมูลอัจฉริยะด้านการติดเชื้อเพื่อโรงพยาบาลที่ปลอดภัยยิ่งขึ้น

ดูว่า NEX ช่วยตรวจจับความเสี่ยงได้เร็วขึ้น สอบสวนการระบาดได้ไวขึ้น และป้องกันการติดเชื้อที่หลีกเลี่ยงได้อย่างไร

ระบบข้อมูลอัจฉริยะด้านการติดเชื้อเพื่อโรงพยาบาลที่ปลอดภัยยิ่งขึ้น

ดูว่า NEX ช่วยตรวจจับความเสี่ยงได้เร็วขึ้น สอบสวนการระบาดได้ไวขึ้น และป้องกันการติดเชื้อที่หลีกเลี่ยงได้อย่างไร