что даже у самых заядлых самаритян опускаются руки. По оценкам большинства экспертов, обнаруживается менее 10 % всех ошибок и неблагоприятных событий, хотя и стоит признать, что этот показатель невозможно точно измерить.
Почему бы не создать систему, которая могла автоматически обнаруживать допущенные ошибки? Или, того лучше, обнаруживать их в режиме реального времени? Говоря другими словами, если мы все равно будем так или иначе прикованы к системе ЭМК, то почему бы не использовать ее возможности для обнаружения просчетов по мере их совершения? Группы инфекционного контроля занимаются чем-то подобным уже много лет. Микробиологические лаборатории отслеживают результаты бакпосевов, чтобы обнаруживать скопления одинаковых микробов, указывающих на зарождающуюся вспышку инфекции. Только вот человек, к сожалению, способен отслеживать лишь ограниченное количество перемеренных.
С помощью системы ЭМК можно было бы отслеживать всех пациентов с инфекцией – где они были, с кем из медиков контактировали, какие лекарства принимали, кто лежал с ними в одной палате, когда именно образцы дали положительные результат, какой был назначен рацион питания – и сравнить эти данные с аналогичной информацией о людях, которые не заразились, чтобы вычислить основные факторы распространения заболевания.
Менее 10 % врачебных ошибок и различных про счетов можно обнаружить, остальное остается незамеченным.
В одной больнице такая система была использована для отслеживания вспышки инфекций, вызванных чрезвычайно заразными бактериями Clostridium difficile – теми самыми, о невосприимчивости которых к действию дезинфицирующего средства я уже упоминала ранее. Заражение этими микроорганизмами вызывает обильный понос, который может привести к смерти. Clostridium difficile скрываются в покрытых защитной оболочках спорах, которые с удовольствием перескакивают с рук на кровати, простыни, инструменты и раковины, пока пациенты курсируют по различным отделениям больницы, вынуждая эпидемиологов и уборщиков безостановочно гоняться за ними с литрами отбеливателя. (Название difficile – «сложный» – им дали из-за того, как непросто оказалось культивировать эти бактерии в лаборатории, когда они были впервые открыты в 1935 году. Это название до сих пор остается актуальным, потому что и избавиться от них чертовски трудно.)
В этой больнице в системе ЭМК были собраны данные о более чем 86 000 госпитализированных пациентов, включая более 400 000 передвижений этих людей 3. В результате комплексного анализа удалось установить, что источником вспышки стал компьютерный томограф в приемном покое. Копнув глубже, нашли и причину вспышки: в отделении лучевой диагностики был обновлен протокол обработки томографов, однако по какой-то причине до приемного покоя эти новости не дошли. Там использовали старую методику дезинфекции, которая, очевидно, не могла справиться со стойкими Clostridium difficile.
Таким образом, обилие генерируемых системами ЭМК данных открывает соблазнительную возможность улавливать ошибки в процессе их совершения. Подобный алгоритм под названием Глобальный инструмент распознавания триггеров (Global Trigger Tool) был разработан в Институте развития здравоохранения – он использует систему ЭМК для выявления потенциальных проблемных мест. Важно отметить, что они являются именно «потенциальными» и, чтобы понять, действительно ли имеет место какая-то проблема, необходимо провести анализ. Так, например, использование димедрола считается триггером, ведь его дают при аллергических реакциях и анафилаксии. С другой стороны, его также выписывают и в качестве снотворного или для лечения сезонной аллергии. Каждый раз, когда назначается димедрол, система ЭМК обращает на это внимание пользователя, который должен проверить, возникла ли у человека аллергическая реакция на принятое лекарство или же кто-то из посетителей пришел в больницу в кардигане, связанном из кошачьей шерсти.
Таким образом, триггеры не являются автоматическими индикаторами ошибки или неблагоприятного события, однако могут указать на их высокую вероятность и необходимость проведения проверки. Вызов реанимационной бригады или команды экстренного реагирования тоже является триггером, равно как и экстренный диализ. Также в эту группу входят повторное обращение пациента в приемный покой больницы в течение двух суток, повторное хирургическое вмешательство либо повторная госпитализация в течение 30 дней. Все это может указывать на то, что происходит нечто неладное.
Триггеры включают и некоторые лабораторные данные: слишком высокий или низкий уровень сахара в крови, повышенный уровень лактата (подозрение на сепсис) либо быстрое снижение функции почек или показателей крови. Также триггером может стать обнаруженный во время КТ или УЗИ тромб, введение витамина К (нейтрализует действие антикоагулянта варфарина), падение, случай физического усмирения пациента и образование пролежней.
В больницах, где опробовали этот алгоритм, было обнаружено примерно в 10 раз больше «потенциально опасных событий», чем в учреждениях, использующих стандартный метод добровольного сообщения о проблемах 4. Как правило, каждый день одной из медсестер поручается изучать все обнаруживаемые триггеры. Она анализирует ситуацию – просматривает медкарту, беседует с персоналом, осматривает пациента – чтобы понять, имела ли место ошибка или неблагоприятное событие. Если оно происходит в настоящий момент – например, у больного сепсис, – то медсестра может позаботиться о том, чтобы ему было провели необходимое лечение.
Иногда триггеры не обязательно выявляют ошибку или неблагоприятное событие, а могут указать на пациентов, подверженных повышенному риску. В дальновидной больнице для ухода за такими больными могли бы выделить дополнительный персонал либо разместить их ближе к сестринскому посту, попросить фармацевта перепроверить их лекарства или организовать посещение медсестры на дому после выписки. Эти меры помогут избежать неблагоприятных событий в будущем, что, разумеется, и является конечной целью.
Многие люди видят в искусственном интеллекте (ИИ) потенциал для сокращения количества диагностических ошибок и большей безопасности пациентов. Эрик Тополь, кардиолог из Калифорнии, рассмотрел эти вопросы в своей книге «Глубокая медицина» (Deep Medicine) 5. Как я уже говорила в пятой главе, ИИ особенно хорош в помощи с обработкой визуальной информации, такой как рентгеновские снимки и сыпи, поскольку в систему можно загрузить огромные массивы данных, чтобы она научилась распознавать определенные закономерности и соотносить их с конкретным диагнозом.
Очень многое было написано на тему того, сможет ли ИИ превзойти по точности врачей, тем самым и вовсе оставив их без работы. С точки зрения Тополя, это не совсем правильный вопрос для обсуждения. Возьмем в качестве примера кожную сыпь. Даже если ИИ разбирается в ней не лучше сертифицированного дерматолога, такая система все равно может повысить точность диагностики, так как в подавляющем большинстве случаев сыпь осматривают и лечат не дерматологи. Всем терапевтам, медсестрам, работникам приемного покоя и педиатрам, которые разбираются с большей частью кожных заболеваний, система ИИ в значительной мере помогла бы сократить количество врачебных ошибок.
В качестве другого примера Тополь приводит похожую ситуацию в офтальмологии. Диабетическая ретинопатия является одной из главных причин развития предотвратимой слепоты. Большинству диабетиков это состояние диагностируют слишком поздно, и предотвратить потерю зрения не удается (несвоевременный диагноз попадает в категорию диагностических ошибок). Дело не в том, что офтальмологи плохо проводят диагностику – скорее большинство пациентов так и не попадают на прием к этому специалисту. Как и в случае с кожными высыпаниями, ключ к сокращению количества диагностических ошибок заключается в том, чтобы сделать возможной точную диагностику там, где пациент находится по факту – как правило, у терапевта. В результате обработки сотен тысяч изображений сетчатки был создан алгоритм ИИ, способный ставить диагноз по фотографии, сделанной не офтальмологом и даже не обязательно врачом. Сфотографировать сетчатку может измеряющий давление помощник врача или даже регистрирующий пациента администратор. В принципе, ничто не мешает даже сделать это человеку самому у себя дома.
В подавляющем большинстве случаев сыпь осматривают и лечат не дерматологи.
Но как насчет диагностики в более широком масштабе, чего-то более сложного, чем анализ четкого рисунка сыпи или сетчатки? Я брала интервью у Тополя после изнурительного приемного дня. Мои пациенты приходили со всевозможными жалобами – острые и ноющие боли, усталость, головокружение – с целой кучей сопутствующих связанных, а может, и не связанных обстоятельств: не очень оптимальный уровень триглицеридов, «социальное» употребление спиртного, слегка пониженная плотность костной ткани по результатам сделанных шесть лет назад анализов, рак толстой кишки у двоюродного брата, едва вписывающийся в пределы нормы уровень мочевой кислоты, «неспецифические изменения» на ЭКГ, страсть к еде из «Макдональдса», неприятный запах на работе, упомянутые 30 лет назад врачом желчные камни и так далее. Как ИИ может помочь терапевту вроде меня вычленить правильный и практически значимый диагноз из бесчисленного множества запутанных вероятностей (и сделать это, пока я вожусь с ЭМК те жалкие 15 минут, которые должна была потратить на обсуждение анамнеза и физический осмотр)?
– А вы представьте, – сказал Тополь, – что вам не пришлось бы все это разыскивать. Вообразите, что система ЭМК предоставит вам все необходимые данные по пациенту – снимки, результаты анализов, полный медицинский анамнез – все в одном-единственном месте, чтобы вам не пришлось ничего искать. А еще она будет учитывать генетику больного и иметь доступ ко всем медицинским исследованиям. А пациент будет проверять достоверность приведенной в медкарте информации.