Una IA reduce un 18% la mortalidad de los pacientes hospitalizados al detectar antes su deterioro
MADRID, 4 Ago. (Agencias) –
Investigadores de Estados Unidos han descubierto que un sistema de alerta temprana basado en inteligencia artificial (IA) que ayudó a identificar antes a los pacientes hospitalizados con riesgo de un rápido deterioro clínico, lo que contribuyó a reducir el número de muertes entre los pacientes de alto riesgo.
Publicado en ‘NEJM AI’, una revista del grupo New England Journal of Medicine, el estudio evaluó los resultados entre 23.132 pacientes de alto riesgo en 11 hospitales de RWJBarnabas Health, un sistema de salud académico de Nueva Jersey. Las muertes entre pacientes de alto riesgo disminuyeron del 23,1 % al 18,6 % tras la implementación del sistema de alerta temprana con inteligencia artificial, lo que representa una reducción del 18 % en las probabilidades de muerte intrahospitalaria ajustadas al riesgo.
Los pacientes hospitalizados pueden deteriorarse rápidamente, a menudo antes de que aparezcan señales de alerta evidentes. Los investigadores evaluaron el Índice de Deterioro de Epic (EDI, por sus siglas en inglés), una herramienta con inteligencia artificial que analiza continuamente la información ya registrada en la historia clínica electrónica, incluyendo signos vitales, resultados de laboratorio, valoraciones de enfermería y edad, para identificar a los pacientes con mayor riesgo de un deterioro clínico grave.
El sistema recalcula las puntuaciones de riesgo cada 15 minutos y alerta automáticamente a los equipos de respuesta rápida cuando los pacientes alcanzan la categoría de mayor riesgo.
Antes de evaluar la tecnología en este estudio, los investigadores de RWJBarnabas Health y la Universidad de Rutgers dedicaron varios años al desarrollo e implementación de un enfoque integral para el uso del EDI en todos sus hospitales.
El sistema de salud integró primero la herramienta en su sistema de historia clínica electrónica en su centro médico académico, el Hospital Universitario Robert Wood Johnson, para ponerla a prueba y perfeccionarla, incluyendo cómo y cuándo se entregaban las alertas, estableció notificaciones automáticas para los equipos de respuesta rápida, capacitó a los médicos en su uso y monitoreó continuamente su rendimiento.
Posteriormente, investigadores de Rutgers se asociaron con RWJBarnabas Health para evaluar el impacto de este enfoque en la práctica clínica real y rápidamente implementaron la plataforma en los otros 10 hospitales.
“Nuestro objetivo era identificar a los pacientes con mayor antelación, antes de que llegaran a un punto en el que la intervención se volviera mucho más difícil», explica Thomas Nahass, vicepresidente de Informática Sanitaria y médico de cuidados intensivos en RWJBarnabas Health, profesor adjunto de Medicina en la Facultad de Medicina Robert Wood Johnson de Rutgers y autor principal del estudio.
“El índice de deterioro nos permite detectar el problema con mayor rapidez –prosigue–. Si podemos brindar atención crítica al paciente cuanto antes, podemos cambiar el curso de su evolución”.
Cuando los pacientes alcanzaban el umbral de mayor riesgo, se enviaban notificaciones automáticas directamente a los equipos de respuesta rápida del hospital, lo que permitía a los especialistas en cuidados intensivos evaluar rápidamente a los pacientes y determinar si se necesitaban intervenciones adicionales. Tras la implementación, las activaciones de los equipos de respuesta rápida entre los pacientes de alto riesgo aumentaron del 25,3 % de las hospitalizaciones al 37,5 %.
El estudio evaluó los resultados en pacientes adultos de alto riesgo que recibieron atención en centros médicos académicos, hospitales universitarios comunitarios y hospitales comunitarios del sistema de salud RWJBarnabas.
A pesar del aumento en las evaluaciones de respuesta rápida, los traslados a unidades de cuidados intensivos no aumentaron significativamente, mientras que las tasas de mortalidad disminuyeron sustancialmente.
“Cada minuto cuenta cuando la condición de un paciente comienza a empeorar –asegura el doctor Andy Anderson, Director Médico y de Calidad de RWJBarnabas Health y coautor del estudio–. Este estudio demuestra cómo las herramientas con inteligencia artificial, combinadas con equipos clínicos experimentados, pueden ayudarnos a identificar a los pacientes en riesgo con mayor rapidez y brindarles la atención adecuada en el momento oportuno. Estos hallazgos resaltan el potencial de la innovación para mejorar la calidad, la seguridad y los resultados de los pacientes a los que atendemos».
«Para esto sirve un sistema de salud académico integrado –resañta Stephen P. O’Mahony, vicepresidente sénior y director de información médica de RWJBarnabas Health y autor principal del estudio–. Combinamos el rigor metodológico de Rutgers con el alcance operativo de 11 hospitales de RWJBarnabas. El beneficio en la mortalidad no se produjo por un algoritmo, sino por la colaboración en torno a dicho algoritmo”.
Los investigadores señalan que la reducción de la mortalidad probablemente se deba a una combinación de factores, como la capacitación del personal, una mayor conciencia clínica, las alertas de la historia clínica electrónica y las notificaciones automatizadas del equipo de respuesta rápida, que trabajaron conjuntamente como un enfoque coordinado a nivel de todo el sistema.
Dado que el estudio evaluó el Índice de Deterioro de Epic, una herramienta ya disponible en Epic, uno de los sistemas de historia clínica electrónica más utilizados en el país, los hallazgos podrían tener implicaciones para los hospitales de todo el país que buscan mejorar los resultados de los pacientes.
Los investigadores están evaluando ahora la siguiente fase de la iniciativa, que se centra en identificar a los pacientes cuyos puntajes de riesgo aumentan rápidamente con la esperanza de permitir una intervención aún más temprana.
CL11
