MADRID, 27 Jul. (EUROPA PRESS) -
Un nuevo sistema de IA desarrollado en la Universidad Johns Hopkins, en Estados Unidos, detecta los síntomas horas antes que los métodos tradicionales, con lo que estos pacientes tienen un 20% menos de probabilidades de morir, según demuestra un amplio estudio hospitalario publicado en la revista 'Nature Medicine' y 'Nature Digital Medicine'.
El sistema, creado por una investigadora de la Johns Hopkins cuyo joven sobrino murió de sepsis, recorre los historiales médicos y las notas clínicas para identificar a los pacientes con riesgo de complicaciones mortales. El trabajo, que podría reducir considerablemente la mortalidad de los pacientes por una de las principales causas de muerte en los hospitales de todo el mundo.
"Es el primer caso en el que la IA se implementa a pie de cama, utilizada por miles de proveedores, y en el que estamos viendo cómo se salvan vidas --destaca Suchi Saria, directora de investigación fundadora del Malone Center for Engineering in Healthcare de Johns Hopkins y autora principal de los estudios, que evaluó a más de medio millón de pacientes durante dos años--. Se trata de un salto extraordinario que salvará a miles de pacientes de sepsis cada año. Y el enfoque se está aplicando ahora para mejorar los resultados en otras áreas problemáticas importantes más allá de la sepsis".
La sepsis se produce cuando una infección desencadena una reacción en cadena en todo el organismo. La inflamación puede provocar coágulos de sangre y fugas en los vasos sanguíneos y, en última instancia, puede causar daños en los órganos o su fallo. Es fácil de pasar por alto ya que los síntomas, como la fiebre y la confusión, son comunes en otras afecciones, explica Saria, por lo que cuanto más rápido se detecte, mayores serán las posibilidades de supervivencia del paciente.
"Una de las formas más eficaces de mejorar los resultados es la detección temprana y la administración de los tratamientos adecuados en el momento oportuno, pero históricamente esto ha sido un reto difícil debido a la falta de sistemas para la identificación temprana precisa", destaca Saria, que dirige el Laboratorio de Aprendizaje Automático y Asistencia Sanitaria en el Johns Hopkins.
Para resolver el problema, Saria y otros médicos e investigadores del Johns Hopkins desarrollaron el Sistema de Alerta Temprana en Tiempo Real. Combinando el historial médico de un paciente con los síntomas actuales y los resultados de laboratorio, el sistema de aprendizaje automático muestra a los médicos cuándo alguien está en riesgo de sepsis y sugiere protocolos de tratamiento, como el inicio de antibióticos.
La IA realiza un seguimiento de los pacientes desde que llegan al hospital hasta que son dados de alta, lo que garantiza que no se pase por alto la información crítica, incluso si el personal cambia o el paciente se traslada a otro departamento. Durante el estudio, más de 4.000 médicos de cinco hospitales utilizaron la IA para tratar a 590.000 pacientes. El sistema también revisó 173.931 casos de pacientes anteriores.
En el 82% de los casos de sepsis, la IA acertó casi el 40% de las veces. Los intentos anteriores de utilizar herramientas electrónicas para detectar la sepsis detectaron menos de la mitad de esos casos y tuvieron una precisión del 2% al 5% de las veces. Todos los casos de sepsis se acaban detectando, pero con el actual estándar de atención, la enfermedad mata al 30% de las personas que la desarrollan. En los casos de sepsis más graves, en los que una hora de retraso es la diferencia entre la vida y la muerte, la IA la detectó una media de casi seis horas antes que los métodos tradicionales.
"Se trata de un avance en muchos sentidos --asegura el coautor Albert Wu, internista y director del Centro de Investigación de Servicios y Resultados de Salud del Johns Hopkins--. Hasta ahora, la mayoría de este tipo de sistemas se han equivocado mucho más a menudo de lo que aciertan. Esas falsas alarmas minan la confianza. A diferencia de los enfoques convencionales, el sistema permite a los médicos ver por qué la herramienta hace recomendaciones específicas.
Wu explica que el trabajo es extremadamente personal para Saria, que perdió a su sobrino de joven por sepsis. "La sepsis se desarrolla muy rápidamente y esto es lo que ocurrió en el caso de mi sobrino --recuerda Saria--. Cuando los médicos lo detectaron, ya estaba en shock séptico".
El equipo ha adaptado la tecnología para identificar a los pacientes con riesgo de sufrir lesiones por presión, comúnmente conocidas como úlceras por decúbito, y a los que corren el riesgo de sufrir un deterioro repentino causado por hemorragias, insuficiencia respiratoria aguda y parada cardíaca.
"El enfoque utilizado aquí es fundamentalmente diferente --afirma Saria--. Es adaptativo y tiene en cuenta la diversidad de la población de pacientes, las formas únicas en que los médicos y las enfermeras prestan atención en los distintos centros, y las características únicas de cada sistema sanitario, lo que le permite ser significativamente más preciso y ganarse la confianza y la adopción de los proveedores".
