Využití mHealth technologií pro automatizovaný sběr a přenos dat pacientů s diabetem

Diabetes mellitus je chronické onemocnění, které vyžaduje od pacientů neustálou kontrolu mnoha parametrů majících vliv na jejich glykémii. Mezi ty nejzákladnější patří aktuální hladina glykémie v krvi, množství konzumovaných sacharidů, velikost aplikovaných dávek inzulinu a rovněž fyzická aktivita a psychická zátěž. Všechny parametry lze určitým způsobem měřit a kvantifikovat, až na poslední, a to psychickou zátěž. Článek vysvětlí jednotlivé způsoby měření parametrů, jejich zpracování a na závěr vysvětlí problematiku psychické zátěže.

Častá neschopnost pacientů udržet hodnoty glykémie v mezích normy s sebou nese akutní i chronické komplikace. V dlouhodobém výhledu může docházet k poškození nervů v těle a některých orgánů (cévy, ledviny), v konečném důsledku vedoucímu až k selhání jejich funkce. Příliš nízké hodnoty glykémie vyvolávají zejména ty akutní komplikace, které mohou v určitých případech pacienta dostat i do stavu ohrožujícího život.

Počet pacientů s onemocněním diabetes mellitus meziročně roste. Podle světové zdravotnické organizace WHO je pro rok 2016 evidováno na 422 milionů lidí trpících diabetem, z nichž více než 800 tisíc připadá na území České republiky [1]. Nárůst onemocnění s sebou vedle zhoršené kvality života pacienta nese i nárůst finančních nákladů pro zdravotní systémy států. Neustálý nárůst počtu pacientů na jednoho lékaře rovněž vede k redukci času, který může lékař věnovat konzultaci a edukaci pacienta. Je tedy snaha minimalizovat dopady nemoci jak na pacienta, tak na systém jako takový.

mHealth technologie

Pojem mHealth (z angl. mobile health, tedy mobilní zdraví) je v poslední době často se vyskytující termín, který popisuje využívání mobilní techniky, jako jsou mobilní telefony, tablety, počítače a podobná zařízení, pro léčbu pacientů a podporu jejich zdraví i populace obecně. Rostoucí výskyt uživatelsky nenáročných mobilních aplikací a zdravotnických zařízení s možností sdílet data představuje dostupné a efektivní řešení pro kontrolu a sebepéči pacienta s diabetem v době, kdy je odkázán na vlastní rozhodování o léčbě svého onemocnění. Sběr a analýza fyziologických parametrů a dalších informací nasbíraných pomocí těchto zařízení podávají pacientovi i lékaři podrobnější přehled o jeho aktuálním zdravotním stavu a umožňují tak včasnou, efektivní a cílenou reakci na aktuální stav.

Sdílení těchto informací na dálku navíc dovoluje spojit pacienta s lékařem z pohodlí domova, aniž by musel docházet do zdravotnického zařízení. Díky tomu lze zredukovat nutnost osobního docházení k lékaři a snížit tak i celkové náklady na léčbu pacienta.

Telemonitorovací systém pro automatický sběr a přenos dat

Od roku 2013 se Společné pracoviště biomedicínského inženýrství ČVUT a 1. lékařské fakulty UK na Albertově (SPA) zabývají vývojem telemonitorovacího systému (tedy systému pro sledování pacientů na dálku), který umožňuje automatický sběr dat od pacientů s diabetem. Pacienti jsou vybaveni mobilní aplikací diabetického deníku, chytrými hodinkami, osobním glukometrem, krokoměrem a příležitostně i kontinuálním monitorem glykémie.

Mobilní aplikace Diabetesdagboka vznikla před patnácti lety v Norském centru pro výzkum elektronického zdravotnictví (Norwegian Centre for E-health Research, NSE) jako tzv. Few Touch aplikace pro Windows Mobile. Dnes je její vylepšená verze dostupná jak pro Android, tak pro platformy iPhone. Pracoviště SPA se nyní podílí na podpoře a dalším vývoji její české verze.

Aplikace poskytuje možnost automaticky zaznamenávat informace o změřené glykémii (hladině cukru v krvi), aplikovaných dávkách inzulinu a fyzické aktivitě a ručně o množství přijímaných sacharidů. Všechny tyto parametry spolu se základními statistickými údaji jsou pacientovi zobrazeny v číselné i grafické podobě prostřednictvím jak mobilní aplikace, tak i chytrých hodinek. Nasbíraná data tvoří ucelený a přehledný záznam. Pacient tak může snadno zpětně analyzovat události a situace a dělat rozhodnutí týkající se stanovení množství přijímané potravy a velikosti dávky inzulinu.

Právě při rozhodování o inzulinových dávkách je výhodné možné využití speciální funkce, která v historii záznamů automaticky vyhledá dvacet nejpodobnějších situací té stávající, na niž se pacient rozhoduje si dávku aplikovat. Kliknutím na danou nalezenou situaci se lze dostat k detailním záznamům v historii a pacient tak může sám posoudit, zda odpovídá té plánované situaci, a zvolí tedy stejnou dávku inzulinu.

Namísto zadávání dat prostřednictvím mobilního telefonu lze za pomoci několika tlačítek zanést potřebné údaje do hodinek, přičemž se následně veškeré hodnoty automaticky přenesou do telefonu přes rozhraní Bluetooth. Veškeré změny v záznamech, ať už prostřednictvím hodinek, nebo aplikace v telefonu, se vždy vzájemně přenesou a objeví na obou zařízeních a serveru.

Glykémie změřené glukometrem jsou prostřednictvím Bluetoothu automaticky přenášeny do mobilní aplikace. Tato funkce zajišťuje, že se hodnoty glykémie vždy přenesou do aplikace v okamžiku změření. Zároveň tím šetří čas v porovnání s ručním zadáváním hodnot při použití telefonu či chytrých hodinek a eliminují možnost zapsání chybné hodnoty.

Fyzickou aktivitu lze monitorovat jak prostřednictvím chytrých hodinek, tak s využitím aktivity trackerů, jako je např. Fitbit náramek, který umožňuje zaznamenat kromě množství ušlých kroků za minutu i další parametry, jako je vzdálenost, převýšení, množství spálených kalorií, ale i tepová frekvence. Informace o tepové frekvenci je nejen možné využít k posuzování intenzity dané aktivity, ale může být také vodítkem k rozpoznání stresové zátěže.

Webové rozhraní Diana

Data z mobilní aplikace, glukometru i krokoměru jsou bezdrátově přenášena do webové aplikace (Diana), která umožňuje zobrazení a hlubší analýzu veškerých snímaných dat a podává tak ucelený kontext mezi jednotlivými monitorovanými parametry. Pomocí tohoto webového rozhraní může lékař přistupovat k pacientovým datům a pacient ke svým datům. Uvedené řešení usnadňuje komunikaci mezi pacientem a lékařem a napomáhá k prohlubování znalostí o způsobu léčby pacienta a o jeho vypořádávání se s každodenními situacemi souvisejícími s glykemickými výkyvy a tím umožňuje i včasnější zásah do úpravy léčebného režimu oproti konvenčnímu způsobu léčby.

K měření glykémie lze použít i kontinuální monitor glykémie (CGM, z angl. continuous glucose monitor). Zařízení je tvořeno senzorem, vysílačem (transmitter) a přijímačem (receiver). Senzor je elektroda v podobě teflonové trubičky o rozměrech 6 × 0,7 mm, která vzniklou elektrochemickou reakcí měří koncentraci glukózy v intersticiální tekutině. Zavádí se do podkoží v oblasti břicha nebo paže. Amperometrický signál ze senzoru je bezdrátově přenášen přes transmitter na displej receiveru, kde je již převeden na aktuální hodnotu glykémie a zobrazen na displeji. Přístroj dovoluje sledovat změny koncentrace glukózy v pětiminutových intervalech.

Možnost sledovat trend glykemické křivky, tedy zda glykémie stoupá, klesá, nebo je stabilní, umožňuje pacientům včas reagovat na tyto výkyvy a předejít tak nepříjemným a často i nebezpečným situacím, jako je hypoglykémie nebo hyperglykémie. Výrazný pokles, vzestup či dosažení hranice hypo/ hyperglykémie může rozeznávat i samotný přístroj a upozornit pacienta na tuto situaci alarmem. Tato funkce hraje nezastupitelnou roli zejména v období spánku, kdy pacient nemůže reagovat na léčbu. Při zaspání hypoglykémie může navíc dojít ke ztrátě vědomí pacienta a v případě pozdního zjištění až k úmrtí.

Pacienti však mohou být upozorněni na stav ohrožující život nejen samotným zařízením, ale i na dálku, prostřednictvím dohledového pultu. Na pracovišti SPA takový systém již existuje. Původně byl určen pouze pro vzdálený dohled nad seniory, nyní je snaha rozšířit jeho funkce také na osoby s diabetem, a to formou automatického upozornění na hypoa hyperglykemické příhody hlídáním hodnot glykémie přenesených z CGM na vzdálený server v reálném čase.

Zejména pro osoby žijící samy může uvedené řešení představovat lepší pocit bezpečí a poskytovat určitou formu jistoty, že o ně bude postaráno v situacích, kdy nebudou schopny reagovat na léčbu a budou odkázány na pomoc druhých. Alarmové stavy obsluhuje dohledový pult v nepřetržitém režimu 24/7 a vždy kontaktuje uživatele a popř. kontaktní osoby.

Tab. 1

Stresová zátěž u diabetiků

U zdravých i nemocných lidí je stresový hormon adrenalin spojen s aktivací sympatiku. Tedy té části nervové soustavy, která má tělu umožnit zvládat zvýšenou zátěž. Vyplavení adrenalinu a dalších katecholaminů vyvolává přirozenou reakci jater, které pomocí štěpení zvednou produkci glukózy až devětkrát [2]. To vede k hyperglykémii. Tento popsaný jev může nastat při anaerobní svalové zátěži nebo při stresu. Organismus zdravého člověka se s touto situací vyrovná vyplavením většího množství inzulinu a dojde k regulaci hladiny cukru v krvi. Ovšem organismus nemocného diabetem nezareaguje nijak a dochází tak k hyperglykémii.

Zmíněný náramek umožňuje i neustálý monitoring tepové frekvence, takže poskytuje informace o zátěži organismu. V případě vysoké srdeční frekvence a nízké pohybové aktivity lze usuzovat na psychickou zátěž. Pro to, aby bylo možné vyvinout algoritmus na detekci stresové zátěže, provádějí se laboratorní měření.

Skupina zdravých lidí a stejně velká skupina diabetiků I. typu jsou vystaveny stresové zátěži. Stresová zátěž je v podobě standardizovaného TSST (Trier social stress test) testu, který vedou zkušení psychologové. Jde o nepříjemnou situaci vyvolanou simulací nepřipraveného pracovního pohovoru a velmi neempatickým chováním poroty pohovoru. Primárně sledovanou veličinou je hladina cukru v krvi a sekundárně se monitorují fyziologické projevy stresu. Tedy tepová frekvence, teplota, krevní tlak, elektrický odpor těla a fyzická aktivita. Konkrétně je důležitý trend glykémie a doba od stresového podnětu, po níž začne růst a následně u zdravých probandů klesat.

Průběh laboratorního měření:

1. Uvítaní participantů výzkumu (15 min)
a) Uvítaní v experimentální místnosti 1
b) Vysvětlení experimentu: „aktivace sympatiku a parasympatiku“ + vysvětlení průběhu testu (proband dostane úkol, který bude prezentovat před kamerou)
c) Podpis informovaného souhlasu
d) Nasazení měřicích přístrojů
e) Měření hladiny cukru v krvi
f) Oddychová fáze

2. Příprava na zátěžovou zkoušku (5 min)
a) Participant je odveden do experimentální místnosti
i) V místnosti se nachází stůl s porotcem, kamera  mikrofon
b) Participant je usazen k malému stolku na kraji místnosti a dostane zadání úkolu:
i) téma prezentace: sebeprezentace pro interview na pozici výzkumníka
ii) 5 min na přípravu
iii) participant si může dělat poznámky, ale pak je nesmí používat

3. Prezentace (10 min)
a) Po 5 min je participant vyzván, aby se postavil na černý křížek na zemi a začal prezentovat
b) Porota neprojevuje žádné emoce; jestliže participant přestane mluvit, vyzve ho, aby pokračoval; po 3 min může porota klást pomocné otázky
c) Participant dále dostane početní úkol – od čísla 2023 odečítat 17, když se zmýlí, začíná od začátku; porota ho na chybu důrazně upozorní

4. Potestová fáze (30 min)
a) Participant je odvezen do experimentální místnosti 1
b) Oddychová fáze
c) Odpojení přístrojů
d) Subjektivní zhodnocení prožívaného stresu
e) Debriefing: objasnění opravdového důvodu experimentu
f) Měření hladiny cukru v krvi v 10min intervalech

5. Rozloučení se, informace o dostupnosti výsledku

První výsledky ukazují, že u zdravých i nemocných diabetiků se do 15 min po desetiminutové stresové zátěži zvýšila hladina cukru v krvi o 1 až 1,5 mmol/l. Přitom zdravá hladina cukru v krvi se pohybuje okolo 5,5 mmol/l, takže došlo ke zvýšení o jednu třetinu.

Z podrobnější analýzy výsledků měření vznikne první návrh algoritmu, který bude z údajů o fyzické aktivitě a tepové frekvenci schopný detekovat stresovou zátěž. Pro ověření v praxi a následné zdokonalování algoritmu bude třeba mnoho hodin záznamu a reálných dat.

Princip měření

Cílem je dosáhnout bližšího poznání reakce organismu diabetika I. typu na stresový podnět. Hlavně z hlediska trendu hladiny cukru a časové prodlevy reakce. Vytvoření algoritmu na detekci psychické zátěže, který pomůže nemocným lépe pracovat se stresem, čímž se docílí lepšího poznání nemoci.

Při pravidelných kontrolních měřeních, kdy má pacient u sebe na pět dní kontinuální monitoring hladiny glukózy, bude ještě měřena fyzická aktivita a tepová frekvence. Porovnáním fyzické aktivity a tepové frekvence je možné odhalit stresovou zátěž i zpětně. Oblasti záznamu, kde dochází k delšímu vzestupu tepové frekvence bez fyzické aktivity, lze označit jako stresové. Díky záznamu z kontinuálního glukometru se pak tato skutečnost pro daný časový úsek ověří či vyvrátí. To by při vyhodnocení týdenních záznamů lékařům a pacientům velmi pomohlo, protože pacient snáze identifikuje činnost a zátěž a to mu pomůže snáze pochopit reakce svého organismu. Protože laboratorní experiment odhalil shodu v reakci zdravého jedince i diabetika I. typu na stresovou zátěž, je možné pro sběr dat využít i zdravé jedince a zvětšit tak soubor dat. S dostatečně velkým souborem dat lze pak i experimentovat s využitím strojového učení.

Přínos pro diabetiky

Pomocí kvantizace stresu by pacient s diabetem I. typu mohl reagovat na následky stresu (zvyšování hladiny cukru v krvi) ještě dříve, než by se projevily. Tím by docílil lepší dlouhodobé kompenzace diabetu a menších následků nemoci. Z dlouhodobého hlediska se diabetik snáze naučí stres predikovat a tím už dopředu upravit dávkování inzulinu tak, aby nedocházelo k nárůstu hladiny cukru.

Závěr

Mobilní a komunikační technika představují v současné době dostupnou a efektivní podporu chronicky nemocných pacientů. Díky možnosti kontinuálního sběru dat v reálném čase lze získat mnohem detailnější přehled o pacientově zdravotním stavu a předcházet tak vzniku akutních i chronických komplikací. Důležitou podmínkou pro dlouhodobé používání takovýchto technických zařízení je však zajištění minimálního narušování běžného života pacienta, jakými jsou např. manuální registrace záznamů do mobilních aplikací, údržba apod. Právě zajištění plně automatického monitorování a sběru dat může být jednou z cest, jak tohoto cíle dosáhnout. Tomuto trendu nahrávají nově se rozšiřující komunikační nástroje IoT. Sítě IoT (LoRaWAN, NB-IoT) pokrývají většinu obydleného území ČR, a jsou tudíž připravené pro sběr dat v přirozeném prostředí člověka. Nízké energetické požadavky na komunikaci v těchto sítích dávají do budoucna možnost sbírat data rovnou ze zařízení (krokoměr, glukometr apod.) bez nutnosti přenášet je do datového koncentrátoru (mobilu).

Poděkování
Tato práce byla podpořena Ministerstvem školství, mládeže a tělovýchovy v rámci Národního programu udržitelnosti I, projekt č. LO1605

Ing. Vít Janovský
Zaměřuje se na využití nových ICT ve zdravotně-sociální oblasti, tedy především na pomoc lidem se sníženou soběstačností v domácím prostředí. Je absolventem Fakulty biomedicínského inženýrství ČVUT v Praze a nyní působí jako vědecký pracovník v Univerzitním centru energeticky efektivních budov ČVUT v Laboratoři personalizované telemedicíny. Při vývoji úzce spolupracuje s budoucími uživateli technologií a při realizaci projektu využívá participativní způsob řešení.

doc. Ing. Karel Hána, Ph.D. 
Absolvent FEL ZČU v Plzni. Nyní působí na ČVUT v Praze – Fakultě biomedicínského inženýrství a v Univerzitním centru energeticky efektivních budov. Je autorem nebo spoluautorem více než 100 publikovaných prací a deseti patentových přihlášek nebo užitných vzorů. Při řešení aplikačně zaměřených projektů získal společně s týmem řadu ocenění, např. Cenu rektora I. stupně za aplikaci VaV do praxe.

Ing. Pavel Smrčka, Ph.D.
Působí na ČVUT v Praze – Fakultě biomedicínského inženýrství a v Univerzitním centru energeticky efektivních budov. Je proděkanem pro vědeckou činnost a postgraduální studenty. Ve své odborné práci se zaměřuje na vývoj senzorických systémů biologických veličin a algoritmy, které je zpracovávají.

Zdroje:
[1] Statistika. Cukrovka.cz [online]. 2017 [cit. 2019-10-11]. Dostupné z: www.cukrovka.cz/statistika-2
[2] Zdeněk RUŠAVÝ a Jan BROŽ. Diabetes a sport. Praha: Maxdorf, c2012. Jessenius. ISBN 978-80-7345-289-6.