IT201900001365A1

IT201900001365A1 - Sistema di monitoraggio e previsione della diuresi per il calcolo del rischio di insufficienza renale, e relativo metodo

Info

Publication number: IT201900001365A1
Application number: IT102019000001365A
Authority: IT
Inventors: Andrea Ancona; Valentina Alice Cauda; Erika Manti
Original assignee: Torino Politecnico
Priority date: 2019-01-30
Filing date: 2019-01-30
Publication date: 2020-07-30
Also published as: EP3918610A1; CN113383396A; US20220095977A1; JP2022519167A; WO2020157557A1

Description

“Sistema di monitoraggio e previsione della diuresi per il calcolo del rischio di insufficienza renale, e relativo metodo”

“A monitoring and prediction system of diuresis for the calculation of kidney failure risk, and the method thereof”

DESCRIZIONE

CAMPO TECNICO

La presente invenzione si riferisce al settore medico e, in particolare, al monitoraggio ed alla previsione di parametri vitali di un paziente ai fini di una diagnosi precoce di possibili alterazione del suo stato di salute.

Specificamente, la presente invenzione riguarda un sistema ed un metodo per la diagnosi precoce dell’insufficienza renale acuta in pazienti ospedalizzati e cateterizzati; tale diagnosi precoce è ottenuta attraverso il continuo monitoraggio della diuresi del paziente e l’automatica ed istantanea valutazione e comunicazione al medico curante dello stadio di criticità della funzionalità renale del paziente.

In generale, la presente invenzione riguarda un sistema ed un metodo per la diagnosi precoce ottenuta attraverso il continuo monitoraggio di un fluido biologico del paziente per stabilirne lo stato di salute.

I campi di applicazione preferiti della presente invenzione sono la clinica ospedaliera e infermieristica, la terapia intensiva, la nefrologia, l’urologia, la cardiologia, la chirurgia dei trapianti e simili.

STATO DELL'ARTE

L’indagine del corretto funzionamento dei reni e il monitoraggio della diuresi sono accertamenti spesso sottovalutati nella gestione dei pazienti ospedalizzati. Complici l’invecchiamento della popolazione, le pratiche chirurgiche e rianimatorie sempre più efficienti, il danno renale acuto (Acute Kidney Injury, AKI) è attualmente una sindrome che può essere riscontrata nelle terapie intensive di ogni genere.

L’AKI è definito come danno renale che può giungere a insufficienza, e avere esiti anche a distanza nel tempo; il termine identifica l’intero spettro di danno renale acuto, riconoscendo che il declino della funzione renale è spesso secondario ad una lesione che provoca alterazioni funzionali o strutturali nei reni.

Inoltre, la terapia intensiva non è il solo campo in cui si possa riscontrare questa sindrome; numerose evidenze di dati clinici (vd. KDIGO, Clinical Practice Guideline for Acute Kidney Injury, Kidney International Supplements (2012) Vol.2, Suppl. 1, p.

1-138) hanno dimostrato come un gran numero di pazienti, pur non necessitando di dialisi, hanno sviluppato durante l’ospedalizzazione un AKI.

La Società Italiana di Nefrologia definisce l’AKI come una repentina riduzione della funzione renale che comprende l’insufficienza renale acuta, IRA, e molteplici condizioni patologiche che interessano la struttura e la funzione renale.

Dati clinici, tra cui lo studio di Uchino et al. (vd. Uchino S, Bellomo R, Goldsmith D, et al. An assessment of the RIFLE criteria for acute renal failure in hospitalized patients. Crit Care Med 2006; 34: 1913–1917), hanno evidenziato come anche forme moderate e reversibili di AKI possano comportare un rischio di aumento della mortalità; è stato infatti dimostrato come pazienti classificati con il livello di rischio RIFLE meno grave, RIFLE-R (Risk), abbiano una mostrato una mortalità 2,5 volte superiore rispetto a pazienti non classificati come soggetti ad insufficienza renale secondo i criteri RIFLE. Inoltre è stato stimato (vd. Mandelbaum M. et al. “Outcome of critically ill patients with acute kidney injury using the Acute Kidney Injury Network criteria.” Crit Care Med. (2011) 39(12):2659-64) che più del 5% di tutti i pazienti ospedalizzati e circa il 50% dei pazienti ricoverati in terapia intensiva soffrano di AKI, e che in Italia più di 400 mila persone ogni anno siano soggette a sindrome da danno renale acuto; è stato inoltre stimato (vd. Macedo E., Malhotra R., Bouchard J., Wynn S.K., Mehta R.L. “Oliguria is an early predictor of higher mortality in critically ill patients” Kidney International (2011) 80, 760–767) che l’insorgenza dell’insufficienza renale acuta in pazienti ospedalizzati in terapia intensiva aumenti la mortalità di cinque volte e richieda mediamente ulteriori ventisette giorni di ospedalizzazione, con un conseguente aumento della spesa per il servizio sanitario stimata in 4.000 euro/paziente.

L’AKI risulta quindi essere una condizione comune, dannosa, ma potenzialmente curabile, in cui una riduzione acuta, anche lieve, della funzione renale comporta un effetto negativo sulla prognosi del paziente.

In tal senso, la diagnosi e il trattamento tempestivo dell’AKI possono migliorare il decorso clinico del paziente e la sua prognosi.

Diversamente da altri parametri vitali quali la pressione sanguigna, la frequenza cardiaca e la concentrazione di ossigeno nel sangue, attualmente i medici non hanno a disposizione sistemi affidabili di monitoraggio in tempo reale per un parametro critico come il livello di diuresi.

Ad oggi, il monitoraggio viene effettuato manualmente dalle infermiere di reparto le quali periodicamente (circa ogni sei ore) verificano il livello di diuresi attraverso le tacche graduate presenti sulle sacche di raccolta dell’urina.

Esempi di questa tipologia di monitoraggio sono riportati in E. Macedo et al. Preventing Acute Kidney Injury, Critical Care Clinics, Volume 31, Issue 4, 773 – 784.

Le principali problematiche legate a questo tipo di procedura riguardano la scarsa accuratezza della misurazione e la mancanza di un sistema automatizzato di raccolta dei dati; questo comporta il mancato riconoscimento di anomalie nell’andamento della diuresi del paziente da parte del medico curante, con la conseguente sottovalutazione di segnali anche moderati che possano predire gravi conseguenze cliniche.

Lo studio “National Confidential Enquiry into Patient Outcome and Death”, pubblicato nel 2009, sulla gestione dei pazienti che hanno sviluppato un’insufficienza renale acuta durante l’ospedalizzazione (vd. Londra, Regno Unito, https://www.ncepod.org.uk/CommonThemes.pdf), ha infatti stimato che il 43% dei pazienti ha ricevuto una diagnosi tardiva dell’insorgenza di AKI e che nel 54% dei casi il rischio di sviluppo di AKI è stato sottostimato dal medico curante.

Esistono diversi documenti brevettuali che riportano sistemi aventi l’obbiettivo di monitorare la diuresi del paziente per la miglior gestione del paziente stesso in ambiente ospedaliero.

Il documento WO 2008/059483 A3 descrive un sistema per il monitoraggio di fluidi corporei basato su misure ottiche.

Gli inconvenienti di questa soluzione risultano essere la difficoltà di mantenimento di sterilità del sistema di misura, la complessità tecnica della soluzione ed i conseguenti problemi di natura tecnica, la mancanza di connettività dati e di elaborazione per la previsione dello stato di salute futuro del paziente e l’ingombro del dispositivo.

Il documento EP 3282948 A1 descrive un sistema per il monitoraggio della funzionalità renale comprendente un dispositivo per il monitoraggio delle urine e un algoritmo ad esso associato per il calcolo del rischio di AKI.

I problemi irrisolti da questa soluzione sono principalmente di due tipologie.

Innanzitutto, l’ingombro del dispositivo di monitoraggio è notevole, a causa della presenza di una piattaforma per il calcolo del peso della sacca di urine, che non permette l’utilizzo del sistema senza disturbare il lavoro dei medici e degli operatori sanitari intorno al letto ospedaliero.

Il secondo problema è legato alla tipologia di output uscente dal sistema di calcolo di rischio AKI proposto nella suddetta soluzione.

Per sistemi di assistenza alla diagnosi come quello proposto nella suddetta soluzione, il grado di comprensione e ricezione delle informazioni fornite dal sistema da parte del ricevente delle informazioni, in questo caso il medico, riveste un ruolo chiave. L’output proposto nella suddetta soluzione consiste in un “risk-score” che definisce la probabilità di insorgenza di AKI per il paziente corrispondente. Numerosi studi (ad esempio, K. B. Kashani “Automated acute kidney injury alerts” J. Kidney Intern. September 2018Volume 94, Issue 3, Pages 484–490; K. B. Kashani, E. A. Burdmann, L. Seong Hooi, D. Khullar, A. Bagga, R. Chakravarthi, R. Mehta, “Acute Kidney Injury Risk Assessment: Differences and Similarities Between Resource-Limited and Resource-Rich Countries” Kidney International Reports, 2017, Volume 2, Issue 4, Pages 519-529) hanno mostrato come queste informazioni vengano non comprese e mal recepite da parte dei medici e, conseguentemente, non vengano integrate nella pratica clinica, perdendo il loro impatto sul miglioramento della salute dei pazienti. Il documento WO 2017/149272 A1 descrive un sistema per il monitoraggio di fluidi corporei, precisamente urina, basato su cella di carico.

Gli inconvenienti di questa soluzione risultano essere la mancanza di un sistema di previsione dell’insorgenza di insufficienza renale e l’ingombro del dispositivo.

Più in generale, il documento US 4922922 A descrive un sistema di monitoraggio di fluidi corporei rilasciati dal paziente durante operazioni chirurgiche.

I problemi di questa soluzione risiedono nella mancanza di un sistema di previsione dell’andamento futuro dei fluidi corporei e nella mancanza di integrazione della quantità di fluidi corporei persi con altri parametri vitali del paziente, al fine di determinarne lo stato di salute.

Un sistema ed un metodo in grado di monitorare e di prevedere la diuresi e, più in generale, un fluido biologico, soddisferebbe le esigenze di numerose applicazioni quali, ad esempio, la valutazione del rischio di insufficienza renale e, più in generale, la valutazione dello stato di salute di un paziente.

La presente invenzione intende rispondere alle suddette esigenze.

In particolare, la presente invenzione intende risolvere il problema tecnico di come riconoscere precocemente l’insorgenza dell’insufficienza renale acuta AKI.

Inoltre, la presente invenzione intende risolvere il problema tecnico di come migliorare la qualità di gestione dell’insufficienza renale in ambiente ospedaliero, conseguentemente riducendo il relativo tasso di mortalità ed il numero di giorni di ricovero ordinari.

Inoltre, la presente invenzione intende risolvere il problema tecnico di come fornire al personale medico le informazioni cliniche necessarie per poter gestire correttamente l’insorgenza dell’insufficienza renale acuta AKI mediante un sistema di monitoraggio continuo, di previsione in tempo reale dell’andamento della diuresi del paziente e di valutazione in tempo reale del rischio di sviluppare AKI nel futuro.

Inoltre, la presente invenzione intende risolvere il problema tecnico di come ridurre l’ingombro dei dispositivi di monitoraggio della diuresi.

Inoltre, la presente invenzione intende risolvere il problema tecnico di come riconoscere precocemente l’alterazione dello stato di salute di un paziente.

Inoltre, la presente invenzione intende risolvere il problema tecnico di come migliorare la qualità di gestione delle alterazioni dello stato di salute dei pazienti in ambiente ospedaliero, conseguentemente riducendo il relativo tasso di mortalità ed il numero di giorni di ricovero ordinari.

Inoltre, la presente invenzione intende risolvere il problema tecnico di come fornire al personale medico le informazioni cliniche necessarie per poter gestire correttamente l’insorgenza di alterazioni dello stato di salute del paziente mediante un sistema di monitoraggio continuo, di previsione in tempo reale dell’andamento di un fluido biologico del paziente e di valutazione in tempo reale del rischio di peggioramento delle condizioni di salute nel futuro.

In sintesi dunque, fino al momento attuale, a conoscenza del Richiedente, non sono note soluzioni che permettano di monitorare e prevedere la diuresi e, più in generale, un fluido biologico, per la valutazione del rischio di insufficienza renale e, più in generale, per la valutazione dello stato di salute di un paziente.

Pertanto il Richiedente, con i sistemi ed i metodi secondo la presente invenzione, intende porre rimedio a tale mancanza.

SCOPI E RIASSUNTO DELL’INVENZIONE

È scopo della presente invenzione superare gli inconvenienti dell’arte nota legati all’impossibilità di monitorare e prevedere la diuresi per la valutazione del rischio di insufficienza renale.

Più in generale, è scopo della presente invenzione superare gli inconvenienti dell’arte nota legati all’impossibilità di monitorare e prevedere il flusso di un fluido biologico per la valutazione dello stato di salute di un paziente.

Tali obiettivi vengono conseguiti con i sistemi ed i metodi secondo la presente invenzione che, vantaggiosamente e grazie al rilevamento, alla registrazione e all’elaborazione nel tempo di un parametro vitale del paziente, nello specifico della diuresi, consentono di monitorare e prevedere il flusso di un fluido biologico di un paziente, in particolare la diuresi, per la valutazione dello stato di salute del paziente, in particolare il rischio di insorgenza di AKI.

I sistemi ed i metodi secondo la presente invenzione combinano per la prima volta, a conoscenza del Richiedente, la rilevazione del peso di campioni prelevati da un paziente nel tempo, la registrazione e l’elaborazione di tali dati ponderali per identificare degli andamenti nel tempo utili alla diagnosi precoce dell’insorgenza di patologie, in particolare dell’insorgenza di AKI.

Specificamente, i suddetti ed altri scopi e vantaggi dell’invenzione, quali risulteranno dal seguito della descrizione, vengono raggiunti con un sistema di monitoraggio della diuresi per la previsione del rischio di insufficienza renale di un paziente secondo la rivendicazione 1.

Forme di realizzazione preferite e varianti del sistema di monitoraggio della diuresi secondo la presente invenzione costituiscono l’oggetto delle rivendicazioni dipendenti da 2 a 5.

Un altro aspetto indipendente della presente invenzione riguarda un metodo di monitoraggio della diuresi per la previsione del rischio di insufficienza renale di un paziente e costituisce l’oggetto della rivendicazione 6.

Forme di realizzazione preferite e varianti del metodo di monitoraggio della diuresi secondo la presente invenzione costituiscono l’oggetto delle rivendicazioni dipendenti 7 e 8.

Un altro aspetto indipendente della presente invenzione riguarda un metodo di previsione della diuresi per il calcolo del livello di rischio di insufficienza renale acuta di un paziente e costituisce l’oggetto della rivendicazione 9.

Forme di realizzazione preferite e varianti del metodo di previsione della diuresi secondo la presente invenzione costituiscono l’oggetto delle rivendicazioni dipendenti da 10 a 12.

Un altro aspetto indipendente della presente invenzione riguarda un sistema di monitoraggio di un fluido biologico per la previsione dello stato di salute di un paziente e costituisce l’oggetto della rivendicazione 13.

Forme di realizzazione preferite e varianti del sistema di monitoraggio di un fluido biologico secondo la presente invenzione costituiscono l’oggetto delle rivendicazioni dipendenti 14 e 15.

Un altro aspetto indipendente della presente invenzione riguarda un metodo di monitoraggio di un fluido biologico per la previsione dello stato di salute di un paziente e costituisce l’oggetto della rivendicazione 16.

Forme di realizzazione preferite e varianti del metodo di monitoraggio di un fluido biologico secondo la presente invenzione costituiscono l’oggetto delle rivendicazioni dipendenti da 17 a 19.

Un altro aspetto indipendente della presente invenzione riguarda un metodo di previsione di un fluido biologico per il calcolo del livello dello stato di salute di un paziente e costituisce l’oggetto della rivendicazione 20.

Forme di realizzazione preferite e varianti del metodo di previsione di un fluido biologico secondo la presente invenzione costituiscono l’oggetto delle rivendicazioni dipendenti da 21 a 24.

Resta inteso che tutte le rivendicazioni allegate formano parte integrante della presente descrizione e che ciascuna delle caratteristiche tecniche in esse rivendicata è eventualmente indipendente ed utilizzabile autonomamente rispetto agli altri aspetti dell’invenzione.

Risulterà immediatamente evidente che si potranno apportare a quanto descritto innumerevoli modifiche (per esempio relative a forma, dimensioni, disposizioni e parti con funzionalità equivalenti) senza discostarsi dall’ambito di protezione dell’invenzione come rivendicato nelle rivendicazioni allegate.

Vantaggiosamente, la soluzione tecnica secondo la presente invenzione, che fornisce sistemi e metodi per il monitoraggio e per la previsione dell’andamento di un parametro vitale di un paziente, permette di:

- superare le procedure cliniche attualmente in uso grazie all’introduzione, nella futura pratica clinica relativa alla gestione della diuresi dei pazienti cateterizzati, di sistemi e metodi innovativi;

- attraverso il continuo ed automatico monitoraggio della diuresi o, più in generale, di un fluido biologico di un paziente, e l’automatica ed istantanea valutazione (tramite confronto istantaneo con parametri e soglie ottenute da linee guida interazionali già condivise e accettate dalla comunità medica clinica) dello stadio di gravità dell’insufficienza renale acuta o, più in generale, dell’alterazione dello stato di salute, consentire una più accurata e precoce diagnosi di problematiche e, in particolare dell’insorgenza di AKI, rispetto al corrente standard clinico;

- attraverso il sistema di allerta istantanea e automatica del medico curante in caso di un aumento del livello di rischio di insorgenza di AKI o, più in generale, di alterazione anomala di un parametro vitale, avviare un più tempestivo intervento e terapia della sindrome in atto, con la possibilità di evitare l’acutizzarsi del quadro clinico e le conseguenti complicazioni;

- attraverso l’invio e il salvataggio in tempo reale dei dati raccolti, permettere l’analisi ex-post degli andamenti nel tempo della diuresi, o di un qualsiasi fluido biologico, del paziente, con l’obiettivo di sviluppare un modello predittivo in grado di diagnosticare con anticipo e accuratezza l’insorgenza dell’AKI o di un’altra patologia;

- migliorare significativamente il trattamento clinico del danno renale acuto in pazienti ospedalizzati e cateterizzati, permettendo una diagnosi e un intervento clinico precoce;

- migliorare la qualità della vita dei pazienti cateterizzati;

- ridurre la spesa sanitaria relativa alla gestione del danno renale acuto, riducendo i giorni di ospedalizzazione in terapia intensiva e il numero di riammissioni in ospedale; - permettere lo sviluppo di modelli predittivi sull’andamento della malattia secondo i diversi approcci terapeutici;

- consentire lo sviluppo di un sistema di monitoraggio composto da due diversi dispositivi; il primo, minimamente invasivo e in grado di non recare disturbo all’attività medica nell’intorno del letto ospedaliero e il secondo più ingombrante posizionato in un’area tale da non recare intralcio;

- consentire lo sviluppo di un algoritmo predittivo in grado di prevedere l’andamento futuro di fluidi biologici tra i quali la diuresi del paziente cateterizzato e da questo calcolare il livello di rischio di insorgenza di AKI.

Ulteriori caratteristiche vantaggiose appariranno maggiormente evidenti dalla descrizione seguente di preferite ma non esclusive forme di realizzazione, fornite a puro titolo esemplificativo e non limitativo.

BREVE DESCRIZIONE DEI DISEGNI

La presente invenzione verrà descritta qui di seguito mediante alcune forme di realizzazione preferite, fornite a titolo esemplificativo e non limitativo, con riferimento ai disegni allegati. Questi disegni illustrano differenti aspetti ed esempi della presente invenzione e, dove appropriato, strutture, componenti, materiali e/o elementi simili in differenti figure sono indicati da numeri di riferimento simili.

La FIG. l è una rappresentazione schematica del sistema di monitoraggio della diuresi per la previsione del rischio di insufficienza renale di un paziente secondo la presente invenzione;

la FIG. 2 è un diagramma di flusso del metodo di monitoraggio della diuresi per la previsione del rischio di insufficienza renale di un paziente secondo la presente invenzione;

La FIG.3 è una rappresentazione schematica del sistema di monitoraggio di un fluido biologico per la previsione dello stato di salute di un paziente secondo la presente invenzione;

la FIG.4 è un diagramma di flusso del metodo di monitoraggio di un fluido biologico per la previsione dello stato di salute di un paziente secondo la presente invenzione; la FIG. 5 è una rappresentazione schematica che illustra l’insieme delle elaborazioni eseguite dal secondo algoritmo del dispositivo del sistema di monitoraggio della diuresi per la previsione del rischio di insufficienza renale di un paziente secondo la presente invenzione; e

la FIG. 6 è una rappresentazione schematica che illustra l’insieme delle elaborazioni eseguite dal secondo algoritmo del dispositivo del sistema di monitoraggio di un fluido biologico per la previsione dello stato di salute di un paziente secondo la presente invenzione.

DESCRIZIONE DETTAGLIATA DELL’INVENZIONE

Mentre l’invenzione è suscettibile di varie modifiche e costruzioni alternative, alcune forme di realizzazione preferite sono mostrate nei disegni e saranno descritte qui di seguito in dettaglio.

Si deve intendere, comunque, che non vi è alcuna intenzione di limitare l’invenzione alle specifiche forme di realizzazione illustrate, ma, al contrario, l’invenzione intende coprire tutte le modifiche, costruzioni alternative, ed equivalenti che ricadano nell’ambito dell’invenzione come definito nelle rivendicazioni.

Nella seguente descrizione, pertanto, l’uso di “ad esempio”, “ecc.”, “o / oppure” indica alternative non esclusive senza alcuna limitazione, salvo diversa indicazione; l’uso di “anche” significa “tra cui, ma non limitato a” se non diversamente indicato; l’uso di “include / comprende” significa “include / comprende, ma non limitato a” a meno che non altrimenti indicato.

I sistemi ed i metodi della presente invenzione si basano sul concetto innovativo di combinare la rilevazione del peso di campioni prelevati da un paziente nel tempo, la registrazione e l’elaborazione di tali dati ponderali per identificare degli andamenti nel tempo utili alla diagnosi precoce dell’insorgenza di patologie, in particolare dell’insorgenza di AKI.

In sintesi i sistemi ed i metodi della presente invenzione sfruttano:

- il monitoraggio automatico e in tempo reale della diuresi del paziente cateterizzato mediante due strumenti in grado di comunicare tra loro tramite rete Bluetooth e in grado di trasferire dati tramite rete 3G per il telemonitoraggio dello stato di salute dal paziente da parte del medico curante; ciò, vantaggiosamente, permette di ridurre l’ingombro dell’apparecchiatura nella zona circostante il letto del paziente;

- algoritmi implementati all’interno nei due strumenti per la determinazione dei livelli di stadio di avanzamento dell’insufficienza renale acuta e dei relativi livelli di rischio; e

- processi di raccolta, elaborazione e trasmissione dati al medico curante.

La presente invenzione ha, come obiettivo primario, la diagnosi precoce dell’insufficienza renale acuta in pazienti ospedalizzati cateterizzati e, in generale, la diagnosi precoce di un peggioramento di salute.

I sistemi ed i metodi della presente invenzione, attraverso il monitoraggio costante della diuresi - o di altro parametro vitale - del paziente, consentono di identificare automaticamente ed in tempo reale eventuali discrepanze rispetto ad un regime diuretico fisiologico – o ad uno stato di salute - così come definiti dalle linee guida internazionali; inoltre, i sistemi ed i metodi della presente invenzione, attraverso connessioni remote, permettono di avvisare il medico curante dell’eventuale superamento della soglia di allerta e, conseguentemente, di effettuare una precoce diagnosi e un tempestivo intervento terapeutico.

Nella presente descrizione, con il termine ȃfluido biologicoȄ si intende un fluido di origine umana comprendente ma non limitato a: urina, sangue ed altri emoderivati, saliva, muco, liquido amniotico, liquido peritoneale, liquido del sistema linfatico, liquido gastrico, sangue, fluidi corporei in genere.

Nella presente descrizione, con i termini ȃcartella clinica elettronicaȄ e ȃelectronic medical recordȄ si intende l’insieme di dati raccolti relativi al paziente e relativi al suo stato di salute, comprendenti ma non limitati a: livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente, patologie in corso; nella presente descrizione i termini ȃcartella clinica elettronicaȄ e ȃelectronic medical recordȄ vengono utilizzati indistintamente, come sinonimi.

Nella presente descrizione, con il termine ȃlinee guida KDIGOȄ si intendono le linee guida per la gestione dell’insufficienza renale acuta descritte nel documento ȃThe 2012 Kidney Disease: Improving Global Outcomes (KDIGO) Clinical Practice Guideline for Acute Kidney Injury (AKI)Ȅ (sorgente: sito web https://kdigo.org/guidelines/acutekidney-injury/ ; data di accesso: 28 gennaio 2019)

Nella presente descrizione, con il termine ȃlinee guida RIFLEȄ si intendono indicare le linee guida per la gestione dell’insufficienza renale acuta come descritte in ȃBellomo R, Ronco C, Kellum JA, et al. Acute renal failure - definition, outcome measures, animal models, fluid therapy and information technology needs: the Second International Consensus Conference of the Acute Dialysis Quality Initiative (ADQI) Group. Crit Care 2004; 8: R204–212Ȅ.

Con riferimento alla FIG. 1, che illustra la forma di realizzazione preferita della presente invenzione, si osserva che il sistema di monitoraggio della diuresi 1 per la previsione del rischio di insufficienza renale di un paziente, comprende:

- un contenitore di urina 2;

- un misuratore di peso 3 del contenitore di urina 2;

- un dispositivo 5 comprendente un primo algoritmo 15 per registrare, memorizzare, confrontare tra loro ed elaborare le misurazioni del contenitore di urina 2 ed un secondo algoritmo 25 per prevedere le future misurazioni del contenitore di urina 2 e il livello di rischio di insufficienza renale ad esse associato;

- un videoterminale 7 per visualizzare gli output del primo algoritmo 15 e del secondo algoritmo 25 presenti nel dispositivo 5;

- un primo sistema “wireless” 4 per il collegamento tra il misuratore di peso 3 ed il dispositivo 5; ed

- un secondo sistema “wireless” 6 per il collegamento tra il dispositivo 5 ed il videoterminale 7.

Preferibilmente, il contenitore di urina 2 è una sacca sterile.

Preferibilmente, il misuratore di peso 3 è una cella di carico.

Preferibilmente

- il primo algoritmo 15 comprende un modello matematico per l’analisi dei dati ottenuti attraverso il misuratore di peso 3 in modo da correlare ogni misurazione di peso con l’istante di tempo in cui questa è stata effettuata e calcolare un tasso di produzione urinaria oraria normalizzata sul peso del paziente (peso/ora/peso paziente); successivamente, tale tasso di produzione urinaria oraria normalizzata è confrontata con le soglie di tasso di produzione oraria definite dalle linee guida KDIGO e RIFLE per la definizione degli stadi di insufficienza renale acuta (AKI);

- il secondo algoritmo 25 comprende:

� un modello matematico adattivo H-25 avente come input almeno il valore presente e i valori passati della diuresi come calcolati dal primo algoritmo 15 e, se rilevanti, il valore presente e i valori passati estratti dall’electronic medical record del paziente 35 e avente come output le previsioni delle future misurazioni di peso del contenitore UO(t)^; � un modello matematico per il confronto e(t)^ delle previsioni UO(t)^ con i corrispondenti valori osservati in tempo reale UO(t);

� un modello matematico per la correzione del calcolo eseguito dal modello matematico adattivo H-25 sulla base del risultato del confronto e(t)^; e

� un modello matematico M-25 avente come input l’output del modello matematico adattivo H-25, il valore presente e i valori passati delle misurazioni del peso del contenitore di urina 2 e i parametri fisiologici presenti nell’electronic medical record del paziente 35, e avente come output il livello di rischio – compreso tra 1 e 10 - di sviluppare un’insufficienza renale acuta nelle 24/48 ore successive all’istante dell’ultima misurazione del peso del contenitore di urine R(t)^.

Preferibilmente, il modello matematico adattivo H-25 comprende modelli di regressione, lineare e non lineare e modelli di tipo machine learning, preferibilmente reti neurali artificiali.

Preferibilmente, il modello matematico M-25 comprende modelli di regressione con variabile risposta dicotomica, più preferibilmente modelli logit e probit, modelli machine learning, più preferibilmente modelli di classificazione, reti neurali artificiali e modelli SVM.

Preferibilmente, il valore presente e i valori passati estratti dall’electronic medical record del paziente 35 comprendono livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso.

In una forma realizzativa esemplificativa e non limitativa, il sistema di monitoraggio della diuresi 1 comprende una componente hardware ed una componente software. La componente hardware comprende un misuratore di peso 3 ed un dispositivo 5. Il misuratore di peso 3 ha il compito di misurare la quantità di diuresi presente all’interno della sacca di urina 2 utilizzata dal paziente cateterizzato in ambiente ospedaliero; tale misurazione viene effettuata tramite il calcolo del peso della sacca di urina 2.

Il dato così raccolto viene poi trasferito tramite connessione Bluetooth al dispositivo 5. Le componenti hardware del misuratore di peso 3 sono:

- microcontrollore alimentato a batteria e provvisto di connessione Low-Energy-Bluetooth (BLE) utilizzato per gestire la misurazione del peso della sacca di urina e l’invio del dato tramite connessione Bluetooth al misuratore di peso 3;

- cella di carico utilizzata per la misurazione del peso della sacca di urina; - 24-bit analog-to-digital converter (ADC) utilizzato per amplificare e convertire il segnale di misura generato dalla cella di carico relativo al peso della sacca di urina; il dato così elaborato è traferito tramite cavo al microcontrollore precedentemente descritto;

- involucro utilizzato per contenere tutti i componenti hardware necessari al funzionamento del misuratore di peso 3;

- catena e gancio utilizzati per il collegamento del sensore di misura del peso e della sacca di urina; la sacca risulta quindi sospesa e agganciata al gancio. Il misuratore di peso 3 è agganciato alla struttura del letto del paziente in terapia intensiva, e sarà di dimensioni ridotte in modo tale da non disturbare il lavoro quotidiano del personale medico che si svolge nelle vicinanze del letto del paziente e richiede sovente un intervento immediato, dal quale può dipendere la sopravvivenza stessa del paziente.

Si desidera far notare che non viene effettuato nessun tipo di intervento invasivo né sulla sacca contenente l’urina, né sul flusso urinario del paziente, né tantomeno risulta necessario l’utilizzo di sacche di particolare fattura o fabbricazione per l’utilizzo del misuratore di peso 3.

Il dispositivo 5 ha il compito di

- ricevere i dati trasmessi dal misuratore di peso 3 tramite connessione Bluetooth relativi al peso della sacca di urina,

- analizzare ed elaborare i dati ricevuti,

- trasmettere tramite connessione 3G i dati elaborati ad una applicazione per smartphone per la successiva visualizzazione da parte del medico curante,

- trasmettere tramite connessione 3G i dati grezzi ad un database elettronico per la memorizzazione dei dati raccolti,

- permettere la visualizzazione dei dati grezzi ed elaborati all’infermiera di reparto, - permettere l’inserimento di informazioni relative al paziente monitorato.

Le componenti hardware del dispositivo 5 sono:

- microcontrollore alimentato a presa di corrente, provvisto di connessione 3G e Bluetooth utilizzato per la gestione della ricezione dei dati trasmessi dal misuratore di peso 3 tramite connessione Bluetooth, l’elaborazione dei predetti dati e la visualizzazione del dato grezzo ed elaborato su schermo touchscreen capacitivo; e

- schermo touchscreen capacitivo utilizzato per la visualizzazione dei dati grezzi ed elaborati dal microcontrollore e per l’inserimento di informazioni relative al paziente da parte dell’infermiera di turno in reparto.

La componente software comprende un software del misuratore di peso 3 ed un software del dispositivo 5.

Il software del misuratore di peso 3, implementato all’interno del corrispondente microcontrollore, ha il compito di

- gestire la raccolta dati della cella di carico, misurando il peso della sacca di urina ogni 5 minuti;

- trasmettere i dati raccolti al dispositivo 5 tramite connessione Bluetooth.

Inoltre, tale software è ottimizzato per ridurre al minimo il consumo di energia del misuratore di peso 3, che ne permetterà l’alimentazione tramite batterie.

Il software del dispositivo 5, implementato all’interno del corrispondente microcontrollore, ha il compito di

- gestire la ricezione tramite connessione BLE dei dati trasmessi dal misuratore di peso 3 al dispositivo 5;

- elaborare i dati ricevuti; tale elaborazione ha lo scopo di determinare il rischio di insorgenza di insufficienza renale acuta o danno renale acuto o danno renale, associando a ogni paziente un livello di rischio; tale rischio viene calcolato confrontando la diuresi delle ultime 24 ore del paziente monitorato (ottenuta tramite la misurazione del peso della sacca di urine nel tempo) con le soglie determinate dalle linee guida internazionali “ KDIGO Clinical Practice Guideline for Acute Kidney Injury” (Marzo 2012) per la definizione dello stadio di avanzamento dell’insufficienza renale acuta (AKI); inoltre, un algoritmo di “machine learning” sarà implementato con l’obiettivo di determinare ed implementare un modello predittivo dell’insufficienza renale acuta;

- gestire la visualizzazione dei dati elaborati e dei livelli di rischio calcolati tramite lo schermo touchscreen capacitivo presente nel dispositivo 5;

- gestire l’immissione di dati sensibili relativi al paziente monitorato come il codice assegnato a ogni paziente, il peso in kg e l’età anagrafica da parte del personale sanitario attraverso il display touchscreen;

- gestire la trasmissione dei dati elaborati e dei livelli di rischio calcolati tramite connessione 3G al database online e all’applicazione per smartphone.

In sintesi, il sistema di monitoraggio della diuresi 1 secondo la presente invenzione, per pazienti cateterizzati ospedalizzati, comprende sostanzialmente:

� raccolta del dato: misurazione continua del peso della sacca di urina del paziente ospedalizzato

� elaborazione del dato raccolto: calcolo della diuresi del paziente nel tempo in mL/hr/kg (“urine output”) che prevede la comparazione di tale “urine output” con le soglie descritte dalle linee guida internazionali KDIGO per la definizione dello stadio di avanzamento dell’insufficienza renale a cui è associato un determinato livello di rischio e l’elaborazione della diuresi del paziente con algoritmi di “machine learning” per la determinazione e implementazione di un modello predittivo di insorgenza dell’insufficienza renale acuta che porti alla determinazione di accurati livelli di rischio di insorgenza di insufficienza renale acuta;

� comunicazione dei dati elaborati e dei livelli di rischio del paziente al medico curante; tale comunicazione, che ha lo scopo di permettere al medico di conoscere in tempo reale la diuresi del paziente e i livelli di rischio ad essa associati, e conseguentemente avere la possibilità di intervenire tempestivamente sulla condizione di salute del paziente, avviene tramite l’invio dei dati elaborati e dei livelli di rischio ad un’applicazione smartphone in possesso del medico curante.

Inoltre, con riferimento alla FIG. 2 che illustra la forma di realizzazione preferita della presente invenzione, costituisce un aspetto indipendente ed utilizzabile autonomamente rispetto agli altri aspetti dell’invenzione un metodo di monitoraggio della diuresi per la previsione del rischio di insufficienza renale di un paziente, comprendente le seguenti fasi:

- prelevare un campione di urina prodotta dal paziente a rischio di insufficienza renale in un periodo di tempo predeterminato e raccoglierlo in un contenitore di urina 2 (fase 100);

- pesare il contenitore di urina 2 (fase 101);

- mediante un primo algoritmo 15, registrare e memorizzare le misurazioni del contenitore di urina 2 (fase 102);

- ripetere le fasi precedenti, da fase 100 a fase 102, per un numero di volte predeterminato (fase 103);

- mediante il primo algoritmo 15, confrontare tra loro ed elaborare le misurazioni del contenitore di urina 2 registrate e memorizzate nel tempo per determinare un andamento della diuresi (fase 104);

- sulla base dell’andamento determinato nella fase precedente, fase 104, mediante un secondo algoritmo 25 comprendente un modello matematico adattivo H-25 e un modello matematico di tipo machine learning M-25, prevedere i valori delle future misurazioni del contenitore di urina 2 ed il rischio di sviluppare insufficienza renale (fase 105);

- trasferire i dati ottenuti nelle fasi precedenti, fase 105, ad un videoterminale 7 (fase 106).

Preferibilmente

- il primo algoritmo 15 comprende un modello matematico per l’analisi dei dati ottenuti attraverso il misuratore di peso 3 in modo da correlare ogni misurazione di peso con l’istante di tempo in cui questa è stata effettuata e calcolare un tasso di produzione urinaria oraria normalizzata sul peso del paziente (peso/ora/peso paziente); successivamente, tale tasso di produzione urinaria oraria normalizzata è confrontata con le soglie di tasso di produzione oraria definite dalle linee guida KDIGO e RIFLE per la definizione degli stadi di insufficienza renale acuta AKI;

- il secondo algoritmo 25 comprende:

Preferibilmente

- il periodo di tempo predeterminato di cui alla fase 100 varia da 30 secondi a 10 minuti, preferibilmente è pari a 5 minuti; e

- il numero di volte predeterminato di cui alla fase 103 varia da 1 a 100, preferibilmente è pari a 50.

Costituisce, inoltre, un aspetto indipendente ed utilizzabile autonomamente rispetto agli altri aspetti dell’invenzione un metodo di previsione della diuresi UO(t) per il calcolo del livello di rischio di insufficienza renale acuta di un paziente comprendente le seguenti fasi:

- mediante un modello matematico adattivo H-25, calcolo dell’andamento della diuresi del paziente, che tenga conto

� almeno del valore presente e dei valori passati della diuresi come registrati ed elaborati da un dispositivo 5 e

� opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 300);

- confronto del valore previsto UO(t)^, i.e. dell’output del calcolo di cui alla fase 300, con i rispettivi valori osservati in tempo reale UO(t) (fase 301);

- correzione del calcolo di cui alla fase 300 sulla base del confronto di cui alla fase 301 (fase 302);

- confronto dei valori previsti UO(t)^, UO(t+1)^, UO(t+2)^, i.e. degli output del calcolo di cui alla fase 300, con le soglie indicate nelle “Linee Guida KDIGO e AKIN” per la diagnosi dell’insufficienza renale acuta (fase 303);

- assegnazione di un livello di rischio - compreso tra 1 e 10 - di sviluppare un’insufficienza renale acuta sulla base del confronto di cui alla fase 303 (fase 304);

- mediante un modello matematico di tipo machine learning M-25 calcolo del fattore di rischio di insufficienza renale negli istanti futuri, che tenga conto: � almeno del valore presente (UO(t)), dei valori passati e dei valori previsti dal modello matematico adattivo H-25 della diuresi e

� opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 305).

Preferibilmente, il modello matematico adattivo H-25 è un modello il cui algoritmo di calibrazione tiene in considerazione l’informazione aggiuntiva disponibile relativa al paziente fornita in tempo reale, ad esempio attraverso l’utilizzo di stimatori bayesiani. Preferibilmente, i valori previsti UO(t)^, UO(t+1)^, UO(t+2)^ di cui alla fase 303 sono relativi a corrispondenti istanti temporali t, t+1,t+2 incrementati i modo tale che ciascun incremento è un valore temporale variabile tra 5 minuti e 6 ore.

Preferibilmente, il modello matematico di tipo machine learning M-25 è scelto tra modelli di regressione con variabile risposta dicotomica (tra cui modelli logit e probit), modelli machine learning (tra cui modelli di classificazione, reti neurali artificiali, modelli SVM).

Con riferimento alla FIG. 3, che illustra una forma generale della presente invenzione, costituisce un aspetto indipendente ed utilizzabile autonomamente rispetto agli altri aspetti dell’invenzione un sistema di monitoraggio di un fluido biologico 10 per la previsione dello stato di salute di un paziente, comprendente:

- un contenitore di un fluido biologico 20;

- un misuratore di peso 30 del contenitore di fluido biologico 20;

- un dispositivo 50 comprendente un primo algoritmo 150 per registrare, memorizzare, confrontare tra loro ed elaborare le misurazioni del contenitore di fluido biologico 20 ed un secondo algoritmo 250 per prevedere le future misurazioni del contenitore di fluido biologico 20 e lo stato di salute del paziente ad esse associato;

- un videoterminale 70 per visualizzare gli output del primo algoritmo 150 e del secondo algoritmo 250 presenti nel dispositivo 50;

- un primo sistema “wireless” 40 per il collegamento tra il misuratore di peso 30 ed il dispositivo 50; ed

- un secondo sistema “wireless” 60 per il collegamento tra il dispositivo 50 ed il videoterminale 70.

Preferibilmente, il fluido biologico è scelto tra liquido peritoneale, liquido linfatico, urina, sangue, liquido amniotico e saliva.

Preferibilmente, il contenitore di un fluido biologico 10 è una sacca sterile.

Inoltre, con riferimento alla FIG. 4 che illustra una forma generale della presente invenzione, costituisce un aspetto indipendente ed utilizzabile autonomamente rispetto agli altri aspetti dell’invenzione un metodo di monitoraggio di un fluido biologico per la previsione dello stato di salute di un paziente, comprendente le seguenti fasi:

- prelevare un campione di un fluido biologico prodotto dal paziente in un periodo di tempo predeterminato e raccoglierlo in un contenitore di fluido biologico 20 (fase 200);

- pesare il contenitore di fluido biologico 20 (fase 201);

- mediante un primo algoritmo 150, registrare e memorizzare le misurazioni del contenitore di fluido biologico 20 (fase 202);

- ripetere le fasi precedenti, da fase 200 a fase 202, per un numero di volte predeterminato (fase 203);

- mediante il primo algoritmo 150, confrontare tra loro ed elaborare le misurazioni del contenitore di fluido biologico 20 registrate e memorizzate nel tempo per determinare un andamento del peso del fluido organico (fase 204); - sulla base dell’andamento determinato nella fase precedente, fase 204, mediante un secondo algoritmo 250 comprendente un modello matematico adattivo H-250 e un modello matematico di tipo machine learning M-250, prevedere i valori delle future misurazioni del contenitore di fluido biologico 20 ed il rischio di peggioramento delle condizioni di salute del paziente (fase 205); e

- trasferire i dati ottenuti nella fase precedente, fase 205, ad un videoterminale 70 (fase 206).

Preferibilmente, il fluido biologico è scelto tra liquido peritoneale, liquido linfatico urina, sangue, liquido amniotico e saliva.

Preferibilmente

- il primo algoritmo 150 comprende un modello matematico per l’analisi dei dati ottenuti attraverso il misuratore di peso 30 in modo da correlare ogni misurazione di peso con l’istante di tempo in cui questa è stata effettuata e calcolare un tasso di produzione oraria di fluido biologico normalizzata sul peso del paziente (peso/ora/peso paziente);

- il secondo algoritmo 250 comprende:

� un modello matematico adattivo H-250 avente come input almeno il valore presente e i valori passati del flusso di fluido biologico come calcolati dal primo algoritmo 150 e, se rilevanti, il valore presente e i valori passati estratti dall’electronic medical record del paziente 350 e avente come output le previsioni delle future misurazioni di peso del contenitore UO(t)^)

� un modello matematico per il confronto e(t)^ delle previsioni UO(t)^ con i corrispondenti valori osservati in tempo reale UO(t);

� un modello matematico per la correzione del calcolo eseguito dal modello matematico adattivo H-250 sulla base del risultato del confronto e(t)^; e

un modello matematico M-250 avente come input l’output del modello matematico adattivo H-250, il valore presente e i valori passati delle misurazioni del peso del contenitore di fluido biologico 20 e i parametri fisiologici presenti nell’electronic medical record del paziente 350, e avente come output il livello di rischio – compreso tra 1 e 10 - di peggioramento dello stato di salute del paziente nelle 24/48 ore successive all’istante dell’ultima misurazione del peso del contenitore di fluido biologico R(t)^.Preferibilmente

- il periodo di tempo predeterminato di cui alla fase 200 varia da 30 secondi a 10 minuti, preferibilmente è pari a 5 minuti; e

- il numero di volte predeterminato di cui alla fase 203 varia da 1 a 100, preferibilmente è pari a 50.

Costituisce, inoltre, un aspetto indipendente ed utilizzabile autonomamente rispetto agli altri aspetti dell’invenzione un metodo di previsione del flusso di un fluido biologico per il calcolo del livello dello stato di salute di un paziente comprendente le seguenti fasi:

- mediante un modello matematico adattivo H-250, calcolo dell’andamento del fluido biologico del paziente, che tenga conto

� almeno del valore presente e dei valori passati del fluido biologico come registrati ed elaborati da un dispositivo 50 e

� opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 400);

- confronto del valore previsto UO(t)^, i.e. dell’output del calcolo di cui alla fase 400, con i rispettivi valori osservati in tempo reale (UO(t)) (fase 401);

- correzione del calcolo di cui alla fase 400 sulla base del confronto di cui alla fase 401 (fase 402);

- mediante un modello matematico di tipo machine learning M-250, calcolo del livello di stato di salute negli istanti futuri, che tenga conto:

� almeno del valore presente UO(t), dei valori passati e dei valori previsti dal modello matematico adattivo H-250 del fluido biologico e

� opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 405).

Preferibilmente, il modello matematico adattivo H-250 è un modello il cui algoritmo di calibrazione tiene in considerazione l’informazione aggiuntiva disponibile relativa al paziente fornita in tempo reale, ad esempio attraverso l’utilizzo di stimatori bayesiani.

Preferibilmente, i valori previsti UO(t)^, UO(t+1)^, UO(t+2)^ di cui alla fase 403 sono relativi a corrispondenti istanti temporali t, t+1,t+2 incrementati i modo tale che ciascun incremento è un valore temporale variabile tra 5 minuti e 6 ore.

Preferibilmente, il modello matematico di tipo machine learning M-250 è scelto tra modelli di regressione con variabile risposta dicotomica (tra cui modelli logit e probit), modelli machine learning (tra cui modelli di classificazione, reti neurali artificiali, modelli SVM).

Con riferimento alla FIG. 5, rappresentante l’insieme delle elaborazioni eseguite dall’algoritmo 25 del dispositivo 5 del sistema di monitoraggio della diuresi 1 per la previsione del rischio di insufficienza renale di un paziente secondo la presente invenzione, l’algoritmo 25 comprende:

- un modello matematico M-25 avente come input l’output del modello matematico adattivo H-25, il valore presente e i valori passati delle misurazioni del peso del contenitore di urina 2 e i parametri fisiologici presenti nell’electronic medical record del paziente 35, e avente come output il livello di rischio – compreso tra 1 e 10 - di sviluppare un’insufficienza renale acuta nelle 24/48 ore successive all’istante dell’ultima misurazione del peso del contenitore di urine R(t)^.

Con riferimento alla FIG. 6, rappresentante l’insieme delle elaborazioni eseguite dall’algoritmo 250 del dispositivo 50 del sistema di monitoraggio di un fluido biologico 10 per la previsione dello stato di salute di un paziente secondo la presente invenzione, l’algoritmo 250 comprende:

- un modello matematico M-250 avente come input l’output del modello matematico adattivo H-250, il valore presente e i valori passati delle misurazioni del peso del contenitore di fluido biologico 20 e i parametri fisiologici presenti nell’electronic medical record del paziente 350, e avente come output il livello di rischio – compreso tra 1 e 10 - di peggioramento dello stato di salute del paziente nelle 24/48 ore successive all’istante dell’ultima misurazione del peso del contenitore di urine R(t)^.

I sistemi ed i metodi secondo la presente invenzione vengono di seguito descritti in maggiore dettaglio con riferimento ai seguenti Esempi, che sono stati sviluppati sulla base di dati sperimentali e che sono intendersi come illustrativi ma non limitativi della presente invenzione.

Esempio 1

Il misuratore di peso della sacca di urina, avente le funzionalità descritte precedentemente, può avere, ad esempio, dimensioni LxWxH di 5x5x5 cm; può essere dotato di alimentazione a batteria a ioni di litio ricaricabile da 3,7V e 500mAh di dimensioni 29x36x4,75 mm a lunga durata; di un caricatore di batteria miniaturizzato delle dimensioni 35x33x7 mm; di un processore STM32L476JG montato sul modulo SensorTile per il controllo, la gestione dei dati raccolti dal sensore e il loro invio tramite connessione bluetooth a basso consumo al contenitore di urina; di un sensore di peso a cella di carico miniaturizzato, nello specifico l’S215-012, con capacità 5,4 kg, dimensioni 28,7x5,99x5,99 mm e sensibilità ±1g; di un 24-bit analog to digital converter (ADC) per celle di carico, nello specifico il modello HX711, delle dimensioni di 31x22 mm; di un involucro di dimensione 5x5x5 cm di materiale ABS e a tenuta stagna IP68. Il dispositivo, indicato con il riferimento numerico 5 ed avente le funzionalità descritte precedentemente, può avere, ad esempio, dimensioni totali 20x10x10 cm; può essere dotato di un’alimentazione elettrica a presa di corrente; di uno schermo touchscreen da 3,5 “ per l’inserimento dati da parte dell’utente; di un microcontrollore Rasperry Pi3 b plus per il controllo e la gestione dei dati ricevuti tramite connessione a bassa energia bluetooth, e che implementi al suo interno gli algoritmi precedentemente descritti; la scheda elettronica Raspberry pi 3G 4G LTE base shield v2, utilizzata per la connessione del contenitore di urina alla rete mobile.

I sistemi ed i metodi secondo la presente invenzione vengono confrontati con soluzioni note, come di seguito descritto.

I risultati del confronto tra la presente invenzione e le soluzioni note sono sintetizzati nella sottostante Tabella.

TABELLA

La suddetta Tabella mostra le soluzioni note confrontate con la presente invenzione; in particolare sono evidenziate le principali caratteristiche tecniche presenti nella presente invenzione e non presenti nelle soluzioni precedenti.

La presente invenzione, nella forma di realizzazione preferita, rappresenta un innovativo sistema di misurazione e analisi del livello di diuresi dei pazienti cateterizzati, con l’obiettivo di monitorare l’andamento di questo parametro al fine di permettere un intervento terapeutico tempestivo e ottenendo un indicatore chiave per l’individuazione di potenziali situazioni di criticità.

Il valore innovativo del sistema e dei metodi descritti è rappresentato in primo luogo dall’automazione dell’attività di rilevamento e supervisione continua del livello di diuresi del paziente, parametro attualmente verificato visivamente in modo poco accurato e ad intervalli di tempo prolungati.

Il sistema permette la raccolta istantanea dei dati e calcola con soluzione di continuità il livello di diuresi del paziente, inviando queste informazioni ad un database e rendendole fruibili in futuro e facilmente analizzabili per il medico curante; inoltre, il sistema è in grado di analizzare in tempo reale i dati raccolti, verificare il raggiungimento degli obiettivi terapeutici e il superamento delle soglie diuretiche indicate dalle linee guida internazionali per la diagnosi delle sindromi da danno renale acuto AKI.

Il sistema permette in secondo luogo di ottimizzare il lavoro del personale sanitario, dal momento che viene eliminato il bisogno di supervisionare manualmente se i parametri del livello di diuresi dei pazienti rientrano o meno nell'intervallo stabilito e fisiologico; inoltre vengono limitati gli errori umani, inevitabilmente comuni in qualsiasi compito ripetitivo, come la supervisione dei parametri fisiologici.

Il sistema è ideato per adattarsi a qualsiasi tipo di reparto e alle attuali pratiche per la gestione dei cateteri uretrali; di conseguenza, non richiede alcun ulteriore esborso monetario per la modifica della strumentazione attualmente in uso ed è perfettamente integrabile alla maggior parte delle sacche da catetere in commercio.

Inoltre, tale sistema non mette a rischio la salute del paziente, in quanto l’urina non viene a contatto con nessuno strumento di misura, garantendo sterilità e protezione da infezioni.

Data l’ampia diffusione delle singole tecnologie utilizzate all’interno dei sistemi qui proposti, sono previsti costi di produzione contenuti.

I sistemi qui proposti consentono, quindi, di unire il forte valore innovativo derivante dall’automazione, precisione e continuità della raccolta delle informazioni e dalla sua capacità di interagire attivamente con il medico curante grazie ad un sistema di connettività dati, ad una tecnologia semplice da utilizzare, economica e in grado di adeguarsi all’ambiente di utilizzo.

Come si deduce da quanto sopra esposto, la soluzione tecnica innovativa qui descritta presenta le seguenti caratteristiche vantaggiose:

- migliorare significativamente il trattamento clinico del danno renale acuto in pazienti ospedalizzati cateterizzati, permettendo una diagnosi e un intervento clinico precoce;

- migliorare la qualità della vita dei pazienti cateterizzati;

- ridurre la spesa sanitaria relativa alla gestione del danno renale acuto, riducendo i giorni di ospedalizzazione in terapia intensiva e il numero di riammissioni in ospedale; - permettere lo sviluppo di modelli predittivi sull’andamento della malattia secondo i diversi approcci terapeutici.

Dalla descrizione qui sopra riportata è evidente, quindi, come i sistemi ed i metodi secondo la presente invenzione permettano di raggiungere gli scopi proposti.

È altrettanto evidente, ad un tecnico del ramo, che è possibile apportare modifiche e ulteriori varianti alla soluzione descritta con riferimento alle figure allegate, senza per questo fuoriuscire dall’insegnamento della presente invenzione e dall’ambito di protezione come definito dalle rivendicazioni allegate.

Claims

RIVENDICAZIONI 1. Sistema di monitoraggio della diuresi (1) per la previsione del rischio di insufficienza renale di un paziente, comprendente: - un contenitore di urina (2); - un misuratore di peso (3) del contenitore di urina (2); - un dispositivo (5) comprendente un primo algoritmo (15) per registrare, memorizzare, confrontare tra loro ed elaborare le misurazioni del contenitore di urina (2) ed un secondo algoritmo (25) per prevedere le future misurazioni del contenitore di urina (2) e il livello di rischio di insufficienza renale ad esse associato; - un videoterminale (7) per visualizzare gli output del primo algoritmo (15) e del secondo algoritmo (25) presenti nel dispositivo (5); - un primo sistema “wireless” (4) per il collegamento tra il misuratore di peso (3) ed il dispositivo (5); ed - un secondo sistema “wireless” (6) per il collegamento tra il dispositivo (5) ed il videoterminale (7).
2. Sistema di monitoraggio della diuresi (1) secondo la rivendicazione 1, in cui il contenitore di urina (2) è una sacca sterile.
3. Sistema di monitoraggio della diuresi (1) secondo la rivendicazione 1 o 2, in cui il misuratore di peso (3) è una cella di carico.
4. Sistema di monitoraggio della diuresi (1) secondo la rivendicazione 1 o 2 o 3, in cui - il primo algoritmo (15) comprende un modello matematico per l’analisi dei dati ottenuti attraverso il misuratore di peso (3) in modo da correlare ogni misurazione di peso con l’istante di tempo in cui questa è stata effettuata e calcolare un tasso di produzione urinaria oraria normalizzata sul peso del paziente (peso/ora/peso paziente); successivamente, tale tasso di produzione urinaria oraria normalizzata è confrontata con le soglie di tasso di produzione oraria definite dalle linee guida KDIGO e RIFLE per la definizione degli stadi di insufficienza renale acuta (AKI); - il secondo algoritmo (25) comprende: � un modello matematico adattivo (H-25) avente come input almeno il valore presente e i valori passati della diuresi come calcolati dal primo algoritmo (15) e, se rilevanti, il valore presente e i valori passati estratti dall’electronic medical record del paziente (35) e avente come output le previsioni delle future misurazioni di peso del contenitore (UO(t)^); � un modello matematico per il confronto (e(t)^) delle previsioni (UO(t)^) con i corrispondenti valori osservati in tempo reale (UO(t)); � un modello matematico per la correzione del calcolo eseguito dal modello matematico adattivo (H-25) sulla base del risultato del confronto (e(t)^); e � un modello matematico (M-25) avente come input l’output del modello matematico adattivo (H-25), il valore presente e i valori passati delle misurazioni del peso del contenitore di urina (2) e i parametri fisiologici presenti nell’electronic medical record del paziente (35), e avente come output il livello di rischio – compreso tra 1 e 10 - di sviluppare un’insufficienza renale acuta nelle 24/48 ore successive all’istante dell’ultima misurazione del peso del contenitore di urine (R(t)^).
5. Sistema di monitoraggio della diuresi (1) secondo la rivendicazione 4, in cui il modello matematico adattivo (H-25) comprende modelli di regressione, lineare e non lineare e modelli di tipo machine learning, preferibilmente reti neurali artificiali, in cui il modello matematico (M-25) comprende modelli di regressione con variabile risposta dicotomica, preferibilmente modelli logit e probit, modelli machine learning, preferibilmente modelli di classificazione, reti neurali artificiali e modelli SVM, ed in cui il valore presente e i valori passati estratti dall’electronic medical record del paziente (35) comprendono livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso.
6. Metodo di monitoraggio della diuresi per la previsione del rischio di insufficienza renale di un paziente, comprendente le seguenti fasi: - prelevare un campione di urina prodotta dal paziente a rischio di insufficienza renale in un periodo di tempo predeterminato e raccoglierlo in un contenitore di urina (2) (fase 100); - pesare il contenitore di urina (2) (fase 101); - mediante un primo algoritmo (15), registrare e memorizzare le misurazioni del contenitore di urina (2) (fase 102); - ripetere le fasi precedenti, da fase 100 a fase 102, per un numero di volte predeterminato (fase 103); - mediante il primo algoritmo (15), confrontare tra loro ed elaborare le misurazioni del contenitore di urina (2) registrate e memorizzate nel tempo per determinare un andamento della diuresi (fase 104); - sulla base dell’andamento determinato nella fase precedente, fase 104, mediante un secondo algoritmo (25) comprendente un modello matematico adattivo (H-25) e un modello matematico di tipo machine learning (M-25), prevedere i valori delle future misurazioni del contenitore di urina (2) ed il rischio di sviluppare insufficienza renale (fase 105); - trasferire i dati ottenuti nelle fasi precedenti, fase 105, ad un videoterminale (7) (fase 106).
7. Metodo di monitoraggio della diuresi secondo la rivendicazione 6, in cui: - il primo algoritmo (15) comprende un modello matematico per l’analisi dei dati ottenuti attraverso il misuratore di peso (3) in modo da correlare ogni misurazione di peso con l’istante di tempo in cui questa è stata effettuata e calcolare un tasso di produzione urinaria oraria normalizzata sul peso del paziente (peso/ora/peso paziente); successivamente, tale tasso di produzione urinaria oraria normalizzata è confrontata con le soglie di tasso di produzione oraria definite dalle linee guida KDIGO e RIFLE per la definizione degli stadi di insufficienza renale acuta (AKI); - il secondo algoritmo (25) comprende: � un modello matematico adattivo (H-25) avente come input almeno il valore presente e i valori passati della diuresi come calcolati dal primo algoritmo (15) e, se rilevanti, il valore presente e i valori passati estratti dall’electronic medical record del paziente (35) e avente come output le previsioni delle future misurazioni di peso del contenitore (UO(t)^); � un modello matematico per il confronto (e(t)^) delle previsioni (UO(t)^) con i corrispondenti valori osservati in tempo reale (UO(t)); � un modello matematico per la correzione del calcolo eseguito dal modello matematico adattivo (H-25) sulla base del risultato del confronto (e(t)^); e � un modello matematico (M-25) avente come input l’output del modello matematico adattivo (H-25), il valore presente e i valori passati delle misurazioni del peso del contenitore di urina (2) e i parametri fisiologici presenti nell’electronic medical record del paziente (35), e avente come output il livello di rischio – compreso tra 1 e 10 - di sviluppare un’insufficienza renale acuta nelle 24/48 ore successive all’istante dell’ultima misurazione del peso del contenitore di urine (R(t)^).
8. Metodo di monitoraggio della diuresi secondo la rivendicazione 6 o 7, in cui: - il periodo di tempo predeterminato di cui alla fase 100 varia da 30 secondi a 10 minuti, preferibilmente è pari a 5 minuti; e - il numero di volte predeterminato di cui alla fase 103 varia da 1 a 100, preferibilmente è pari a 50.
9. Metodo di previsione della diuresi (UO(t)) per il calcolo del livello di rischio di insufficienza renale acuta di un paziente comprendente le seguenti fasi: - mediante un modello matematico adattivo (H-25), calcolo dell’andamento della diuresi del paziente che tenga conto � almeno del valore presente e dei valori passati della diuresi come registrati ed elaborati da un dispositivo (5) e � opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente (35) relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 300); - confronto del valore previsto (UO(t)^), i.e. dell’output del calcolo di cui alla fase 300, con i corrispondenti valori osservati in tempo reale (UO(t)) (fase 301); - correzione del calcolo di cui alla fase 300 sulla base del confronto di cui alla fase 301 (fase 302); - confronto dei valori previsti (UO(t)^, UO(t+1)^, UO(t+2)^), i.e. degli output del calcolo di cui alla fase 300, con le soglie indicate nelle “Linee Guida KDIGO e AKIN” per la diagnosi dell’insufficienza renale acuta (fase 303); - assegnazione di un livello di rischio - compreso tra 1 e 10 - di sviluppare un’insufficienza renale acuta sulla base del confronto di cui alla fase 303 (fase 304); - mediante un modello matematico di tipo machine learning (M-25, calcolo del fattore di rischio di insufficienza renale negli istanti futuri che tenga conto: � almeno del valore presente (UO(t)), dei valori passati e dei valori previsti dal modello matematico adattivo (H-25) della diuresi e � opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente (35) relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 305).
10. Metodo di previsione della diuresi secondo la rivendicazione 9, in cui il modello matematico adattivo (H-25) è un modello il cui algoritmo di calibrazione tiene in considerazione l’informazione aggiuntiva disponibile relativa al paziente fornita in tempo reale, preferibilmente attraverso l’utilizzo di stimatori bayesiani.
11. Metodo di previsione della diuresi secondo la rivendicazione 9 o 10, in cui i valori previsti (UO(t)^, UO(t+1)^, UO(t+2)^) di cui alla fase 303 sono relativi a corrispondenti istanti temporali (t, t+1,t+2) incrementati in modo tale che ciascun incremento è un valore temporale variabile tra 5 minuti e 6 ore.
12. Metodo di previsione della diuresi secondo la rivendicazione 9 o 10 o 11, in cui il modello matematico di tipo machine learning (M-25) è scelto tra modelli di regressione con variabile risposta dicotomica (tra cui modelli logit e probit) e modelli machine learning (tra cui modelli di classificazione, reti neurali artificiali e modelli SVM).
13. Sistema di monitoraggio di un fluido biologico (10) per la previsione dello stato di salute di un paziente, comprendente: - un contenitore di un fluido biologico (20); - un misuratore di peso (30) del contenitore di fluido biologico (20); - un dispositivo (50) comprendente un primo algoritmo (150) per registrare, memorizzare, confrontare tra loro ed elaborare le misurazioni del contenitore di fluido biologico (20) ed un secondo algoritmo (250) per prevedere le future misurazioni del contenitore di fluido biologico (20) e lo stato di salute del paziente ad esse associato; - un videoterminale (70) per visualizzare gli output del primo algoritmo (150) e del secondo algoritmo (250) presenti nel dispositivo (50); - un primo sistema “wireless” (40) per il collegamento tra il misuratore di peso (30) ed il dispositivo (50); ed - un secondo sistema “wireless” (60) per il collegamento tra il dispositivo (50) ed il videoterminale (70).
14. Sistema di monitoraggio di un fluido biologico (10) secondo la rivendicazione 13, in cui il fluido biologico è scelto tra liquido peritoneale, liquido linfatico, urina, sangue, liquido amniotico e saliva.
15. Sistema di monitoraggio di un fluido biologico (10) secondo la rivendicazione 13 o 14, in cui il contenitore di un fluido biologico (10) è una sacca sterile.
16. Metodo di monitoraggio di un fluido biologico per la previsione dello stato di salute di un paziente, comprendente le seguenti fasi: - prelevare un campione di un fluido biologico prodotto dal paziente in un periodo di tempo predeterminato e raccoglierlo in un contenitore di fluido biologico (20) (fase 200); - pesare il contenitore di fluido biologico (20) (fase 201); - mediante un primo algoritmo (150), registrare e memorizzare le misurazioni del contenitore di fluido biologico (20) (fase 202); - ripetere le fasi precedenti, da fase 200 a fase 202, per un numero di volte predeterminato (fase 203); - mediante il primo algoritmo (150), confrontare tra loro ed elaborare le misurazioni del contenitore di fluido biologico (20) registrate e memorizzate nel tempo per determinare un andamento del peso del fluido organico (fase 204); - sulla base dell’andamento determinato nella fase precedente, fase 204, mediante un secondo algoritmo (250) comprendente un modello matematico adattivo (H-250) e un modello matematico di tipo machine learning (M-250), prevedere i valori delle future misurazioni del contenitore di fluido biologico (20) ed il rischio di peggioramento delle condizioni di salute del paziente (fase 205); e - trasferire i dati ottenuti nella fase precedente, fase 205, ad un videoterminale (70) (fase 206).
17. Metodo di monitoraggio di un fluido biologico secondo la rivendicazione 16, in cui il fluido biologico è scelto tra liquido peritoneale, liquido linfatico, urina, sangue, liquido amniotico e saliva.
18. Metodo di monitoraggio di un fluido biologico secondo la rivendicazione 16 o 17, in cui: - il primo algoritmo (150) comprende un modello matematico per l’analisi dei dati ottenuti attraverso il misuratore di peso (30) in modo da correlare ogni misurazione di peso con l’istante di tempo in cui questa è stata effettuata e calcolare un tasso di produzione oraria di fluido biologico normalizzata sul peso del paziente (peso/ora/peso paziente); - il secondo algoritmo (250) comprende: � un modello matematico adattivo (H-250) avente come input almeno il valore presente e i valori passati del flusso di fluido biologico come calcolati dal primo algoritmo (150) e, se rilevanti, il valore presente e i valori passati estratti dall’electronic medical record del paziente (350) e avente come output le previsioni delle future misurazioni di peso del contenitore (UO(t)^); � un modello matematico per il confronto (e(t)^) delle previsioni (UO(t)^) con i corrispondenti valori osservati in tempo reale (UO(t)); � un modello matematico per la correzione del calcolo eseguito dal modello matematico adattivo (H-250) sulla base del risultato del confronto (e(t)^); e � un modello matematico (M-250) avente come input l’output del modello matematico adattivo (H-250), il valore presente e i valori passati delle misurazioni del peso del contenitore di fluido biologico (20) e i parametri fisiologici presenti nell’electronic medical record del paziente (350), e avente come output il livello di rischio – compreso tra 1 e 10 - di peggioramento dello stato di salute del paziente nelle 24/48 ore successive all’istante dell’ultima misurazione del peso del contenitore di fluido biologico (R(t)^).
19. Metodo di monitoraggio di un fluido biologico secondo la rivendicazione 16 o 17 o 18, in cui: - il periodo di tempo predeterminato di cui alla fase 200 varia da 30 secondi a 10 minuti, preferibilmente è pari a 5 minuti; e - il numero di volte predeterminato di cui alla fase 203 varia da 1 a 100, preferibilmente è pari a 50.
20. Metodo di previsione del flusso di un fluido biologico per il calcolo del livello dello stato di salute di un paziente comprendente le seguenti fasi: - mediante un modello matematico adattivo (H-250), calcolo dell’andamento del fluido biologico del paziente, che tenga conto � almeno del valore presente e dei valori passati del fluido biologico come registrati ed elaborati da un dispositivo (50) e � opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente (350) relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 400); - confronto del valore previsto (UO(t)^), i.e. dell’output del calcolo di cui alla fase 400, con i corrispondenti valori osservati in tempo reale (UO(t)) (fase 401); - correzione del calcolo di cui alla fase 400 sulla base del confronto di cui alla fase 401 (fase 402); - mediante un modello matematico di tipo machine learning (M-250), calcolo del livello di stato di salute negli istanti futuri, che tenga conto: � almeno del valore presente (UO(t)), dei valori passati e dei valori previsti dal modello matematico adattivo (H-250) del fluido biologico e � opzionalmente se rilevanti, del valore presente e dei valori passati estratti dalla cartella clinica elettronica del paziente (350) relativi a livello di creatinina nel sangue, pressione arteriosa, frequenza cardiaca ed elettrocardiogramma, temperatura corporea, saturazione di ossigeno, frequenza respiratoria, peso del paziente, quantità di fluidi somministrati al paziente e patologie in corso (fase 403).
21. Metodo di previsione del flusso di un fluido biologico secondo la rivendicazione 20, in cui il modello matematico adattivo (H-250) è un modello il cui algoritmo di calibrazione tiene in considerazione l’informazione aggiuntiva disponibile relativa al paziente fornita in tempo reale, preferibilmente attraverso l’utilizzo di stimatori bayesiani.
22. Metodo di previsione del flusso di un fluido biologico secondo la rivendicazione 20 o 21, in cui i valori previsti (UO(t)^, UO(t+1)^, UO(t+2)^) di cui alla fase 403 sono relativi a corrispondenti istanti temporali (t, t+1,t+2) incrementati i modo tale che ciascun incremento è un valore temporale variabile tra 5 minuti e 6 ore.
23. Metodo di previsione del flusso di un fluido biologico secondo la rivendicazione 20 o 21 o 22, in cui il modello matematico (M-250) è scelto tra modelli di regressione con variabile risposta dicotomica (tra cui modelli logit e probit) e modelli machine learning (tra cui modelli di classificazione, reti neurali artificiali e modelli SVM).
24. Metodo di previsione del flusso di un fluido biologico secondo la rivendicazione 20 o 21 o 22 o 23, in cui il fluido biologico è scelto tra liquido peritoneale, liquido linfatico, urina, sangue, liquido amniotico e saliva.