Crédito: Pixabay/CC0 Dominio público
Los pacientes tienen un 20 % menos de probabilidades de morir de sepsis porque un nuevo sistema de IA desarrollado en la Universidad Johns Hopkins detecta los síntomas horas antes que los métodos tradicionales, según demuestra un extenso estudio hospitalario.
El sistema, creado por un investigador de Johns Hopkins cuyo joven sobrino murió de sepsis, revisa los registros médicos y las notas clínicas para identificar a los pacientes en riesgo de complicaciones potencialmente mortales. El trabajo, que podría reducir significativamente la mortalidad de los pacientes de una de las principales causas de muerte hospitalaria en todo el mundo, se publica hoy en Medicina natural y npj medicina digital.
«Es la primera instancia en la que se implementa la IA junto a la cama, utilizada por miles de proveedores, y en la que estamos viendo cómo se salvan vidas», dijo Suchi Saria, directora fundadora de investigación del Centro Malone de Ingeniería en Atención Médica de Johns Hopkins y líder autor de los estudios, que evaluaron a más de medio millón de pacientes durante dos años. «Este es un salto extraordinario que salvará a miles de pacientes con sepsis anualmente. Y el enfoque ahora se está aplicando para mejorar los resultados en otras áreas problemáticas importantes más allá de la sepsis».
La sepsis ocurre cuando una infección desencadena una reacción en cadena en todo el cuerpo. La inflamación puede provocar coágulos de sangre y fugas de vasos sanguíneos y, en última instancia, puede causar daño a los órganos o insuficiencia orgánica. Alrededor de 1,7 millones de adultos desarrollan sepsis cada año en los Estados Unidos y más de 250.000 de ellos mueren.
La sepsis es fácil de pasar por alto, ya que los síntomas como la fiebre y la confusión son comunes en otras afecciones, dijo Saria. Cuanto más rápido se detecte, mayores serán las posibilidades de supervivencia del paciente.
«Una de las formas más efectivas de mejorar los resultados es la detección temprana y brindar los tratamientos correctos de manera oportuna, pero históricamente esto ha sido un desafío difícil debido a la falta de sistemas para una identificación temprana precisa», dijo Saria, quien dirige Machine Learning. y Healthcare Lab en Johns Hopkins.
Para abordar el problema, Saria y otros médicos e investigadores de Johns Hopkins desarrollaron el Sistema de Alerta Temprana en Tiempo Real Dirigido. 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 comenzar con antibióticos.
La IA realiza un seguimiento de los pacientes desde que llegan al hospital hasta que son dados de alta, lo que garantiza que la información crítica no se pase por alto, incluso si cambia el personal o si un paciente se traslada a otro departamento.
Durante el estudio, más de 4000 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 fue precisa casi el 40 % de las veces. Los intentos anteriores de utilizar herramientas electrónicas para detectar la sepsis detectaron menos de la mitad de los casos y fueron precisos entre el 2 % y el 5 % de las veces. Todos los casos de sepsis finalmente se detectan, pero con el estándar de atención actual, la condición 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 lo detectó una media de casi seis horas antes que los métodos tradicionales.
«Este es un gran avance en muchos sentidos», dijo el coautor Albert Wu, internista y director del Centro Johns Hopkins para Servicios de Salud e Investigación de Resultados. «Hasta este punto, la mayoría de estos tipos de sistemas han adivinado mal con mucha más frecuencia de lo que han acertado. Esas falsas alarmas socavan la confianza».
A diferencia de los enfoques convencionales, el sistema permite a los médicos ver por qué la herramienta hace recomendaciones específicas.
Suchi Saria, directora de investigación fundadora del Centro Malone de Ingeniería en Atención Médica de Johns Hopkins, muestra cómo un nuevo sistema de inteligencia artificial detecta los síntomas y reduce las muertes por sepsis. Crédito: Will Kirk/Universidad Johns Hopkins
El trabajo es extremadamente personal para Saria, quien perdió a su sobrino cuando era joven debido a la sepsis.
“La sepsis se desarrolla muy rápido y esto es lo que sucedió en el caso de mi sobrino”, dijo. “Cuando los médicos lo detectaron, ya estaba en shock séptico”.
Bayesian Health, una empresa derivada de Johns Hopkins, dirigió y administró la implementación en todos los sitios de prueba. El equipo también se asoció con los dos mayores proveedores de sistemas de registros médicos electrónicos, Epic y Cerner, para garantizar que la herramienta se pueda implementar en otros hospitales.
El equipo ha adaptado la tecnología para identificar a los pacientes con riesgo de lesiones por presión, comúnmente conocidas como úlceras de decúbito, y aquellos con riesgo de deterioro repentino causado por hemorragia, insuficiencia respiratoria aguda y paro cardíaco.
«El enfoque utilizado aquí es fundamentalmente diferente», dijo Saria. «Es adaptable y tiene en cuenta la diversidad de la población de pacientes, las formas únicas en que los médicos y las enfermeras brindan atención en diferentes sitios y las características únicas de cada sistema de salud, lo que le permite ser significativamente más preciso y ganar la confianza del proveedor y adopción.»
Algoritmo informático puede pronosticar la sepsis mortal de los pacientes
Albert Wu, Factores que impulsan la adopción del proveedor del sistema de alerta temprana basado en el aprendizaje automático TREWS y sus efectos en el momento del tratamiento de la sepsis, Medicina natural (2022). DOI: 10.1038/s41591-022-01895-z. www.nature.com/articles/s41591-022-01895-z
Albert Wu, estudio prospectivo en varios sitios de los resultados de los pacientes después de la implementación del sistema de alerta temprana para sepsis basado en el aprendizaje automático TREWS, Medicina natural (2022). DOI: 10.1038/s41591-022-01894-0. www.nature.com/articles/s41591-022-01894-0
Katharine E. Henry et al, El trabajo en equipo humano-máquina es clave para la adopción de IA: experiencias de los médicos con un sistema de aprendizaje automático implementado, npj medicina digital (2022). DOI: 10.1038/s41746-022-00597-7
Citación: AI acelera la detección de sepsis para prevenir cientos de muertes (21 de julio de 2022) recuperado el 21 de julio de 2022 de https://medicalxpress.com/news/2022-07-ai-sepsis-hundreds-deaths.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
