Predicción del riesgo clínico: la inteligencia artificial al servicio del paciente

La IA tiene el poder de transformar la manera de diagnosticar y tratar a los pacientes y conseguir que la prueba de nuevos procedimientos médicos resulte más eficiente y eficaz. La relación simbiótica entre el ser humano y la máquina es clave para trasladar la magia de la IA a la medicina.

AHORA TENEMOS LOS INSTRUMENTOS PARA MARCAR UNA GRAN DIFERENCIA EN LAS VIDAS HUMANAS.

Para 2027, se espera que el valor de la IA en el mercado sanitario se multiplique por ocho respecto a 2022 (The Economist, https://www.economist.com/films/2022/02/15/the-future-of-medical-ai).

Ya no se trata de ciencia ficción, la IA está transformando la asistencia sanitaria.

La IA es cada vez más sofisticada para actuar igual que los seres humanos, pero de una manera más eficiente, más rápida y con un menor coste. El potencial de la IA en el sector sanitario es enorme: del análisis de las imágenes médicas a la medicina de precisión, pasando por la telemedicina y el análisis diagnóstico predictivo. Al igual que en nuestra vida cotidiana, la IA forma parte cada vez más de nuestro ecosistema sanitario.

En particular, la evaluación del riesgo clínico es una práctica adoptada en el sector sanitario para identificar posibles actividades de intervención temprana con el fin de analizar rápidamente el cuadro clínico de los pacientes, especialmente en urgencias o en cuidados intensivos.

Por lo tanto, la posibilidad de establecer un sistema de puntuación de alerta temprana (Early Warning Score o EWS) para indicar la aparición de sucesos patológicos o trastornos graves puede ser útil para los médicos y profesionales sanitarios a fin de tener una visión global del estado del paciente, obtener información para un tratamiento más eficaz y tomar decisiones acertadas sobre la elección del tratamiento. En este escenario particular, la estimación del riesgo clínico de un paciente puede considerarse una tarea de análisis predictivo.

Los enfoques basados en la IA pueden representar instrumentos eficaces como sistema de apoyo a las decisiones cuando se dispone de información incierta

 

La labor de investigación realizada por el Innovation Lab de Exprivia recoge los resultados de un proyecto para desarrollar un sistema de computación edge (computación perimetral) capaz de ofrecer una evaluación temprana del riesgo clínico incluso con un número reducido de parámetros vitales.

El Internet de las cosas médicas tiene el respaldo de la computación edge

La nueva generación de funcionalidades de la IA permitirá integrar una cantidad aún mayor de datos sanitarios en estos sistemas, contribuyendo a detectar patrones que indiquen posibles problemas. Una de las mayores ventajas potenciales de la IA es ayudar a las personas a mantener la buena salud, de modo que no necesiten acudir al médico, o al menos no con tanta frecuencia. El uso de la IA y el Internet de las cosas médicas (IoMT) en las aplicaciones para la salud de los consumidores ya está ayudando a las personas.

Por ejemplo, los sensores portátiles conectados y habilitados con el IoMT para incrementar la fiabilidad de los diagnósticos garantizan una recopilación continua de datos y un análisis adaptativo a medida que evolucionan las condiciones del paciente.

En consecuencia, en un contexto clínico y operativo, el objetivo de investigación que se plantea Exprivia es el desarrollo de soluciones integradas para una asistencia continua en las que la IA y el IoMT se utilizan en el perímetro (edge) de la red, con un enfoque centrado en las personas que se adapta y evoluciona según las exigencias de los profesionales sanitarios, obteniendo así un "sistema en continua evolución".

La solución ideada por Exprivia considera un dispositivo perimetral, conectado a uno o varios dispositivos médicos portátiles mediante IoMT, que aprovecha el modelo de aprendizaje automático (Machine Learning o ML) de mayor rendimiento para predecir un riesgo clínico de manera similar a un sistema EWS, en función de:

• los parámetros vitales disponibles del paciente, recogidos oportunamente por uno o varios dispositivos médicos;
• un protocolo específico de EWS con tres niveles de riesgo (como el NEWS2[1], es decir, riesgo bajo-medio-alto) que guía la frecuencia de la monitorización y el nivel de tratamiento;
• la asignación del estado del paciente a dos escenarios de riesgo distintos y más fáciles de clasificar, a fin de distinguir correctamente entre un escenario de triaje y un escenario de emergencia.

El innovador enfoque de Exprivia para predecir el riesgo clínico evolutivo y explicable

En el documento publicado en la revista internacional Evolving Systems (Evolving and explainable clinical risk assessment at the edge | SpringerLink), Exprivia realiza un estudio en profundidad para analizar las condiciones generales que permiten aprovechar el modelo de ML más eficaz, tanto en términos de métricas de rendimiento como de eficiencia computacional en el perímetro, capaz de predecir la clase de riesgo clínico de los pacientes monitorizados en el caso particular en que se dispone de un número limitado de parámetros vitales.

Por último, aunque la integración de IA e IoMT promueve el desarrollo de una amplia gama de aplicaciones posibles en el campo de la sanidad electrónica, al mismo tiempo se plantea una cuestión ética sobre la falta de transparencia y explicación en los procedimientos predictivos y algorítmicos de caja negra. Por ello, se emplean las técnicas de representación del conocimiento con una taxonomía en Ontology Web Language (OWL) para hacer más interpretable el resultado predictivo, en una perspectiva que recuerda a la web semántica de las cosas (Semantic Web of Things o SWoT). De este modo, las explicaciones pueden combinarse con el conocimiento clínico del personal sanitario para generar información adicional de gran valor y dirigir de forma aún más eficaz el proceso de tratamiento.

Con el poder de la IA, podemos perseguir lo desconocido. Y podemos garantizar que encontraremos cosas que nadie esperaba.

La promesa de la IA en la asistencia sanitaria y las ciencias de la vida es profunda. Tiene el potencial de ayudar a médicos e investigadores a prevenir enfermedades, acelerar la recuperación y salvar vidas desbloqueando datos complejos. También puede liberarlos de tareas banales, de modo que puedan concentrarse en sus pacientes o en la investigación.

 

 

[1] https://www.mdcalc.com/national-early-warning-score-news-2