Visite una UCI neurológica durante las rondas matutinas de un consultor y es probable que vea médicos realizando pruebas minuciosas para evaluar el nivel de conciencia de cada paciente. Estas pruebas son la única forma de medir con precisión el pronóstico de un paciente, o de detectar señales de advertencia vitales de que la salud de un paciente está empeorando, pero como cada prueba tarda hasta una hora en completarse, suponen una enorme carga para los equipos clínicos.
Ahora, los investigadores del Stevens Institute of Technology han desarrollado un algoritmo que puede rastrear con precisión el nivel de conciencia de los pacientes en función de marcadores fisiológicos simples que ya se controlan de forma rutinaria en entornos hospitalarios. Aunque todavía está en sus primeras etapas, el trabajo del equipo, publicado en la edición del 15 de septiembre de Cuidados Neurocríticos — promete aliviar significativamente la tensión del personal médico y también podría proporcionar nuevos datos vitales para guiar las decisiones clínicas y permitir el desarrollo de nuevos tratamientos.
«La conciencia no es un interruptor de luz que se enciende o se apaga; es más como un interruptor de atenuación, con grados de conciencia que cambian a lo largo del día», dijo Samantha Kleinberg, profesora asociada en el departamento de Ciencias de la Computación de Stevens. . «Si solo revisa a los pacientes una vez al día, solo obtiene un punto de datos. Con nuestro algoritmo, puede rastrear la conciencia continuamente, lo que le brinda una imagen mucho más clara».
Para desarrollar su algoritmo, Kleinberg y su Ph.D. El estudiante Louis A. Gomez se asoció con Jan Claassen, director de Neurología de Cuidados Críticos de la Universidad de Columbia, para recopilar datos de una variedad de sensores de UCI, desde simples monitores de frecuencia cardíaca hasta dispositivos sofisticados que miden la temperatura cerebral, y los usaron para pronosticar los resultados de la evaluación de un médico del nivel de conciencia de un paciente. Los resultados fueron sorprendentes: utilizando solo los datos fisiológicos más simples, el algoritmo demostró ser tan preciso como un examinador clínico capacitado, y solo un poco menos preciso que las pruebas realizadas con equipos de imagen costosos, como las máquinas fMRI.
«Eso es sumamente importante, porque significa que esta herramienta podría implementarse potencialmente en prácticamente cualquier entorno hospitalario, no solo en las UCI neurológicas donde tienen una tecnología más sofisticada», explicó Kleinberg. El algoritmo podría instalarse como un módulo de software simple en los sistemas existentes de monitoreo de pacientes junto a la cama, señaló, lo que lo hace relativamente barato y fácil de implementar a escala.
Además de brindar a los médicos una mejor información clínica y a las familias de los pacientes una idea más clara del pronóstico de sus seres queridos, el monitoreo continuo podría ayudar a impulsar nuevas investigaciones y, en última instancia, mejorar los resultados de los pacientes.
«La conciencia es increíblemente difícil de estudiar, y parte de la razón es que simplemente no hay muchos datos con los que trabajar», dijo Kleinberg. «Tener datos las 24 horas del día que muestren cómo cambia la conciencia de los pacientes podría algún día hacer posible tratar a estos pacientes de manera mucho más efectiva».
Se necesitará más trabajo antes de que el algoritmo del equipo pueda implementarse en entornos clínicos. El algoritmo del equipo se entrenó en función de los datos recopilados inmediatamente antes de la evaluación de un médico, y se necesitará un mayor desarrollo para demostrar que puede rastrear con precisión la conciencia durante todo el día. También se requerirán datos adicionales para entrenar el algoritmo para su uso en otros entornos clínicos, como las UCI pediátricas.
Kleinberg también espera mejorar la precisión del algoritmo haciendo referencias cruzadas de diferentes tipos de datos fisiológicos y estudiando la forma en que coinciden o se retrasan entre sí con el tiempo. Se sabe que algunas de estas relaciones se correlacionan con la conciencia, lo que potencialmente hace posible validar las calificaciones de conciencia del algoritmo durante los períodos en los que las evaluaciones realizadas por médicos humanos no están disponibles.
Sin embargo, por ahora, el equipo de Stevens está encantado de haber encontrado un modelo simple y ampliamente aplicable para evaluar automáticamente la conciencia del paciente en entornos clínicos. «Fue un proyecto de alto riesgo y alta recompensa», dijo Kleinberg. «Fue extremadamente emocionante descubrir que podíamos usar estas señales para clasificar los niveles de conciencia de los pacientes».
Fuente de la historia:
Materiales proporcionado por Instituto de Tecnología Stevens. Nota: el contenido se puede editar por estilo y longitud.
