Promocione sus productos o servicios con nosotros
Foto Bloguero

Biotecnosalud

02 feb 2018

¿La inteligencia artificial podría ser la solución para optimizar las unidades de Urgencias?

Asistentes de voz en todos los dispositivos, vehículos que se conducen solos, electrodomésticos con inteligencia, robots y hasta mascotas robóticas estuvieron presentes en la feria de tecnología CES (Consumer Electronics Show) 2018, realizada en enero en Las Vegas, Estados Unidos, y considerada la más grande en su género en el mundo. Las grandes compañías de tecnología exhibieron sus productos enfatizando en la incorporación de inteligencia artificial, calificada como el ingrediente clave de la tecnología en la próxima década, incluyendo la medicina.

La inteligencia artificial es el estudio de sistemas informáticos capaces de realizar tareas que tradicionalmente requieren inteligencia humana, y el Machine Learning (aprendizaje automático, en español) es un mecanismo mediante el cual un sistema de inteligencia artificial puede desarrollarse generando algoritmos que se modifiquen en respuesta a patrones e infiriendo cuando se aplican nuevos datos [1].

La inteligencia artificial ya ha demostrado ser útil en varios campos de la medicina, incluidos la Radiología, Neurocirugía, Dermatología y Oftalmología, y en este punto ha igualado o, en algunos casos, excedido la capacidad de diagnóstico de los médicos [2].

Interpretar rápidamente los datos clínicos para clasificar a los pacientes y predecir los resultados es primordial para el adecuado funcionamiento de las unidades de urgencias, con impactos directos en el costo, la eficiencia y la calidad de la atención. Por lo tanto, existe una gran oportunidad de aplicación de la inteligencia artificia en este tipo de unidades.

El triaje inicial, la estratificación de riesgo y la evaluación del paciente dentro de la unidad de Urgencias determinan la utilización de recursos adicionales y definen el manejo del paciente. La situación es más compleja si el entorno de esta área es congestionado, por lo tanto estos pasos deben completarse rápidamente, a menudo con información limitada. Un propósito principal del triaje inicial es diferenciar con precisión a los pacientes críticamente enfermos de los estables, esta estrategia se describe muy bien en el artículo del Dr. Diego Duque, publicado en la edición Diciembre-Enero de El Hospital. (Ver el artículo aquí)

La inteligencia artificial podría optimizar las unidades de Urgencias. Foto: chombosan.

La inteligencia artificial podría optimizar las unidades de Urgencias. Foto: chombosan.

Varios modelos de Machine Learning han mostrado ser prometedores para mejorar los métodos de triaje. Algunos, como e-triage, son específicamente capaces de categorizar mejor a los pacientes, que de modo tradicional habrían sido asignados como triaje III, cuando realmente requerirán un procedimiento de emergencia de cuidado crítico, considerándose como triaje I [3]. Otros modelos de Machine Learning han sido desarrollados para predecir resultados específicos, como la mortalidad de sepsis intrahospitalaria, así como complicaciones cardíacas agudas y tardías entre los pacientes con dolor en el pecho.

Una de las aplicaciones más estudiadas de la inteligencia artificial es en la radiología de emergencias. Los médicos de Urgencias a menudo tienen la responsabilidad de identificar rápidamente patologías que amenacen la vida del paciente y por lo tanto actuar sobre los hallazgos antes de la revisión del radiólogo. Varios algoritmos han sido desarrollados y probados en estudios de tomografía computarizada sin contraste para detectar hemorragias, hidrocefalias, infartos, lesiones cerebrales, entre otros. Muchos de estos lalgoritmos tienen sensibilidades en el rango de 94-100 %, lo cual permite una exclusión rápida y precisa de patologías potencialmente mortales que requieren una acción urgente.

Utilizar estos algoritmos de alta sensibilidad sería particularmente útil en unidades de Urgencias congestionadas, donde puede haber demoras de tiempo entre la finalización del estudio y el tiempo de respuesta del radiólogo, o en zonas rurales donde el apoyo de especialistas es limitado.

Se han desarrollado otros modelos de Machine Learning para identificar patologías vertebrales apoyados con resonancia magnética, así como lesiones ortopédicas comunes con radiografías, como fracturas de muñeca, mano y tobillo, con un rendimiento de diagnóstico comparable al de los especialistas.

Por lo tanto, estas mejoras permiten una optimización de recursos para la atención del paciente, lo que conduce a una mayor eficiencia en términos de tiempo y costo. La implementación de este tipo de herramientas depende de la disponibilidad de datos con grandes tamaños (Bigdata) de muestra para la validación, de ingenieros biomédicos especializados e indudablemente de los médicos.

La tecnología avanza enormemente, los beneficios están marcando el presente y futuro de la medicina, abriendo paso a una nueva era de atención a los pacientes. El potencial para un triaje eficiente con integración de predicciones basadas en algoritmos computacionales, podría transformar el manejo de las unidades de Urgencias y optimizar los recursos necesarios para la atención de pacientes.


Palabras relacionadas:
Consumer Electronics Show 2018, feria de tecnología CES, aplicaciones médicas de la inteligencia artificial, triaje, modelos de Machine Learning, inteligencia artificial en la radiología de emergencias.
x