Una nueva herramienta de inteligencia artificial transparente puede ayudar a detectar el envenenamiento de la sangre

Una nueva herramienta de inteligencia artificial transparente puede ayudar a detectar el envenenamiento de la sangre
Una nueva herramienta de inteligencia artificial transparente puede ayudar a detectar el envenenamiento de la sangre

Hace diez años, Rory Staunton, de 12 años, se zambulló por una pelota en la clase de gimnasia y se raspó el brazo. Se despertó al día siguiente con fiebre de 104° F, por lo que sus padres lo llevaron al pediatra y, finalmente, a la sala de emergencias. Era sólo una gastroenteritis viral, les dijeron. Tres días después, Rory murió de sepsis después de que las bacterias de la raspadura se infiltraran en su sangre y provocaran una falla orgánica.

“¿Cómo sucede eso en una sociedad moderna?” dijo su padre, Ciaran Staunton, en una entrevista reciente con Undark.

Cada año en los Estados Unidos, la sepsis mata más de un cuarto de millón personas, más que un derrame cerebral, diabetes o cáncer de pulmón. Una de las razones de toda esta carnicería es que la sepsis no se entiende bien y, si no se detecta a tiempo, es esencialmente una sentencia de muerte. En consecuencia, gran parte de la investigación se ha centrado en la detección temprana de la sepsis, pero la complejidad de la enfermedad ha afectado a los sistemas de apoyo clínico existentes (herramientas electrónicas que utilizan alertas emergentes para mejorar la atención al paciente) con baja precisión y altas tasas de falsas alarmas.

Eso puede cambiar pronto. En julio, los investigadores de Johns Hopkins publicaron un trío de estudios en Naturaleza Medicamento y npj medicina digital, mostrando un sistema de alerta temprana que utiliza inteligencia artificial. El sistema detectó el 82 por ciento de los casos de sepsis y redujo las muertes en casi un 20 por ciento. Si bien la IA, en este caso, el aprendizaje automático, ha prometido durante mucho tiempo mejorar la atención médica, la mayoría de los estudios que demuestran sus beneficios se han realizado en conjuntos de datos históricos. Las fuentes le dijeron a Undark que, según su leal saber y entender, cuando se usa en pacientes en tiempo real, ningún algoritmo de IA ha mostrado éxito a escala. Suchi Saria, directora del Laboratorio de aprendizaje automático y atención médica de la Universidad Johns Hopkins y autora principal de los estudios, dijo

la novedad de esta investigación es cómo “la IA se implementa al lado de la cama, es utilizada por miles de proveedores y estamos viendo cómo se salvan vidas”.

El Sistema de Alerta Temprana en Tiempo Real Dirigido, o TREWS, escanea los registros de salud electrónicos de los hospitales (versiones digitales de los historiales médicos de los pacientes) para identificar signos clínicos que predicen la sepsis, alertar a los proveedores sobre pacientes en riesgo y facilitar el tratamiento temprano. Aprovechando una gran cantidad de datos, TREWS proporciona información del paciente en tiempo real y un nivel único de transparencia en su razonamiento, según el coautor del estudio y médico de medicina interna de Johns Hopkins, Albert Wu.

Wu dijo que este sistema también ofrece un vistazo a una nueva era de electronización médica. Ya que su introducción en la década de 1960, los registros de salud electrónicos han reformado la forma en que los médicos documentan la información clínica, pero décadas más tarde, estos sistemas sirven principalmente como “un bloc de notas electrónico”, agregó. Con una serie de proyectos de aprendizaje automático en el horizonte, tanto de Johns Hopkins como de otros grupos, Saria dijo que el uso de registros electrónicos de nuevas maneras podría transformar la prestación de atención médica, brindando a los médicos un par de ojos y oídos adicionales, y ayudarlos a tomar mejores decisiones. .

Es una visión tentadora, pero en la que Saria, como CEO de la empresa que desarrolla TREWS, tiene una participación financiera. Esta visión también descarta las dificultades de implementar cualquier nueva tecnología médica: los proveedores pueden ser reacios a confiar en las herramientas de aprendizaje automático y estos sistemas pueden no funcionar tan bien fuera de los entornos de investigación controlados. Los registros de salud electrónicos también vienen con muchos Problemas existentesdesde enterrar a los proveedores bajo el trabajo administrativo hasta poner en riesgo la seguridad del paciente debido a fallas en el software.

Sin embargo, Saria es optimista. “La tecnología existe, los datos están ahí”, dijo. “Realmente necesitamos herramientas de aumento de atención de alta calidad que permitan a los proveedores hacer más con menos”.

Actualmente, hay ninguna prueba para la sepsis, por lo que los proveedores de atención médica deben armar sus diagnósticos revisando el historial médico del paciente, realizando un examen físico, realizando pruebas y confiando en sus propias impresiones clínicas. Ante tanta complejidad, en la última década los médicos se han apoyado cada vez más en los registros de salud electrónicos para ayudar a diagnosticar la sepsis, principalmente mediante el empleo un criterio basado en reglas—si esto, entonces aquello.

Uno de esos ejemplos, conocido como los criterios SIRS, dice que un paciente está en riesgo de sepsis si dos de los cuatro signos clínicos (temperatura corporal, frecuencia cardíaca, frecuencia respiratoria, recuento de glóbulos blancos) son anormales. Esta amplitud, si bien es útil para detectar las diversas formas en que se puede presentar la sepsis, desencadena innumerables falsos positivos. Tome un paciente con un brazo roto. “Un sistema computarizado podría decir: ‘Oye, mira, frecuencia cardíaca rápida, respiración rápida’. Podría lanzar una alerta”, dijo Cyrus Shariat, médico de la UCI en el Hospital Washington en California. Es casi seguro que el paciente no tiene sepsis pero, no obstante, dispararía la alarma.

Estas alertas también aparecen en las pantallas de las computadoras de los proveedores como una ventana emergente, lo que los obliga a detener lo que estén haciendo para responder. Entonces, a pesar de estos sistemas basados ​​en reglas, ocasionalmente reducción de la mortalidadexiste el riesgo de Alerta de fatiga, donde los trabajadores de la salud comienzan a ignorar la avalancha de recordatorios irritantes. Según M. Michael Shabot, cirujano traumatólogo y ex director clínico del Sistema de Salud Memorial Hermann, “es como una alarma contra incendios sonando todo el tiempo. Tiende a estar insensible. No le prestas atención”.

Los registros electrónicos ya no son particularmente populares entre los médicos. En una encuesta de 2018, 71 por ciento de los médicos dijo que los registros contribuyen en gran medida al agotamiento y el 69 por ciento que les quitan un tiempo valioso a los pacientes. Otro estudio de 2016 encontró que, por cada hora dedicada a la atención del paciente, los médicos deben dedicar dos horas extra a la historia clínica electrónica y al trabajo de escritorio. James Adams, presidente del Departamento de Medicina de Emergencia de la Universidad Northwestern, calificó los registros de salud electrónicos como un “pantano de información congestionado”.

Leave a Reply

Your email address will not be published. Required fields are marked *