Los pacientes tienen un 20 % menos de probabilidades de morir de sepsis porque un nuevo sistema de IA detecta los síntomas horas antes que los métodos tradicionales, según revela una nueva investigación.
El sistema analiza minuciosamente los historiales médicos y las notas clínicas para identificar a los pacientes en riesgo de sufrir complicaciones potencialmente mortales y sugiere protocolos de tratamiento.
En el 82 % de los casos de sepsis, la IA acertó casi el 40 % de las veces.
Ahora se está aplicando el sistema para mejorar los resultados en otras enfermedades, además de la sepsis.
Los pacientes tienen un 20 % menos de probabilidades de morir de sepsis porque un nuevo sistema de IA detecta los síntomas horas antes que los métodos tradicionales, según revela una nueva investigación.
El sistema analiza minuciosamente los historiales médicos y las notas clínicas para identificar a los pacientes en riesgo de sufrir complicaciones potencialmente mortales. El estudio, que podría reducir significativamente la mortalidad de los pacientes por una de las principales causas de muerte en hospitales de todo el mundo, se publica en Nature Medicine y Nature Digital Medicine.
«Es la primera vez que se implementa la IA junto a la cama del paciente, la utilizan miles de profesionales y vemos que se salvan vidas», afirma Suchi Saria, directora fundadora de investigación del Malone Center for Engineering in Healthcare de la Universidad Johns Hopkins y autora principal de los estudios, que evaluaron a más de medio millón de pacientes durante dos años.
«Es un avance extraordinario que salvará a miles de pacientes con sepsis cada año. Y ahora se está aplicando este enfoque para mejorar los resultados en otras importantes áreas problemáticas además de la sepsis».
La sepsis se produce cuando una infección desencadena una reacción en cadena en todo el cuerpo. La inflamación puede provocar coágulos de sangre y fugas en los vasos sanguíneos, y, en última instancia, puede causar daños o insuficiencia orgánica. En Estados Unidos, alrededor de 1,7 millones de adultos contraen sepsis cada año y más de 250 000 de ellos mueren.
Es fácil pasar por alto la sepsis porque síntomas como la fiebre y la confusión son comunes en otras afecciones, afirma Saria. Cuanto antes se detecte, mayores serán las probabilidades de supervivencia del paciente.
«Una de las formas más eficaces de mejorar los resultados es la detección temprana y administrar los tratamientos adecuados a tiempo, pero históricamente esto ha sido difícil debido a la falta de sistemas que permitan una identificación temprana precisa», afirma Saria, quien dirige el Machine Learning and Healthcare Lab de Johns Hopkins.
Seguimiento constante de la sepsis con IA
Para abordar el problema, Saria y sus colegas desarrollaron el Sistema de Alerta Temprana Dirigida en Tiempo Real. Al combinar el historial médico del paciente con los síntomas actuales y los resultados de laboratorio, el sistema de aprendizaje automático indica a los profesionales clínicos cuándo alguien corre riesgo de sufrir sepsis y sugiere protocolos de tratamiento, como iniciar la administración de antibióticos.
La IA hace seguimiento de los pacientes desde su ingreso en el hospital hasta el alta, y garantiza que no se pase por alto información crítica, aunque cambie el personal o el paciente sea trasladado a otro departamento.
Durante el estudio, más de 4000 profesionales clínicos de cinco hospitales utilizaron la IA para tratar a 590 000 pacientes. El sistema también revisó 173 931 casos anteriores de pacientes.
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 identificaron menos de la mitad de esos casos y acertaron entre el 2 % y el 5 % de las veces. Todos los casos de sepsis se detectan finalmente, pero, con el estándar de atención actual, la enfermedad causa la muerte del 30 % de quienes la contraen.
En los casos más graves de sepsis, en los que una hora de demora marca la diferencia entre la vida y la muerte, la IA la detectó, en promedio, casi seis horas antes que los métodos tradicionales.
«Esto supone un avance decisivo en muchos sentidos», afirma el coautor Albert Wu, internista y director del Johns Hopkins Center for Health Services and Outcomes Research. «Hasta ahora, la mayoría de los sistemas de este tipo se equivocaban mucho más a menudo de lo que acertaban. Esas falsas alarmas socavan la confianza».
Un enfoque de IA adaptativa
A diferencia de los enfoques convencionales, el sistema permite a los médicos ver por qué la herramienta formula recomendaciones específicas.
Este trabajo tiene un carácter muy personal para Saria, quien perdió a su sobrino a causa de la sepsis cuando él era un adulto joven.
«La sepsis avanza muy rápido, y eso fue lo que ocurrió en el caso de mi sobrino», afirma. «Cuando los médicos la detectaron, él ya estaba en choque séptico».
Bayesian Health, una empresa derivada de Johns Hopkins, dirigió y gestionó la implementación en todos los centros de prueba. El equipo también colaboró con los dos mayores proveedores de sistemas de historias clínicas electrónicas, Epic y Cerner, para garantizar que la herramienta pueda implementarse en otros hospitales.
El equipo ha adaptado la tecnología para identificar a los pacientes en riesgo de sufrir lesiones por presión, conocidas comúnmente como úlceras por presión, así como a quienes corren riesgo de sufrir un deterioro repentino causado por hemorragias, insuficiencia respiratoria aguda o paro cardíaco.
«El enfoque utilizado aquí es fundamentalmente distinto», afirma Saria. «Es adaptativo y tiene en cuenta la diversidad de la población de pacientes, las formas particulares en que médicos y enfermeros prestan atención en distintos centros y las características específicas de cada sistema sanitario. Esto le permite ser mucho más preciso y ganarse la confianza y la aceptación de los profesionales».
