La inteligencia artificial IA en la forma de un algoritmo aprendido por máquina calculó correctamente a la gran mayoría de los pacientes postoperatorios en la unidad de cuidados intensivos en su primera aplicación de prueba de concepto en un hospital universitario. La precisión de esta computadoraEl algoritmo generado está llevando a los cirujanos a imaginar el uso activo de la IA en la adquisición en tiempo real de información clínica de la historia clínica electrónica de un paciente para determinar de manera más confiable si un paciente necesita atención posoperatoria intensiva o de rutina. Se presentaron los resultados del estudio piloto del algoritmoen el Congreso Clínico del Colegio Americano de Cirujanos 2019.
En la actualidad, los equipos quirúrgicos confían en el juicio clínico para decidir qué pacientes necesitan cuidados intensivos postoperatorios. No existe un conjunto único de criterios fijos o una vía postoperatoria estandarizada para tomar la determinación.
Por lo general, los médicos tienden a hacer un triaje excesivo, lo que significa que si tienen dudas, se equivocan por precaución y envían a un paciente a cuidados intensivos. Sin embargo, el triaje excesivo puede resultar en la admisión de un paciente en la UCI que nonecesitan estar allí ". En esos casos, el paciente puede estar expuesto innecesariamente a bacterias resistentes a múltiples fármacos y tener una mayor duración total de la estadía. Por otro lado, el triaje significa que un paciente que debería haber estado en la UCI es enviadoa una unidad de recuperación o reducción, y la oportunidad para el rescate rápido de una condición deteriorada se retrasa porque el monitoreo no es tan intenso ", dijo Marcovalerio Melis, MD, FACS, profesor asociado de cirugía, Sistema Hospitalario Langone de la Universidad de Nueva York,Nueva York, y coautor del estudio piloto.
La IA está comenzando a usarse para ayudar a los pacientes a evaluar sus síntomas para que puedan decidir si deben ir al departamento de emergencias o buscar tratamiento en otro entorno, como un centro de atención de urgencia. 1,2 Ahora se está comenzando a aplicar en cirugía y tiene el potencial de generar bases de datos integrales sobre técnicas y prácticas quirúrgicas y sus resultados y proporcionar apoyo clínico en tiempo real basado en evidencia. 3
El estudio piloto utilizó la forma aleatoria de aprendizaje automático del bosque para analizar grandes cantidades de datos, buscar correlaciones entre variables, evaluar opciones y encontrar soluciones para un problema complejo. El bosque aleatorio construye un diagrama de flujo de las preguntas y respuestas que conducena una decisión, y reúne experiencia e información de muchas fuentes para reducir la variabilidad y aumentar la confiabilidad de las predicciones. 4
El algoritmo resultante incluyó 87 variables clínicas y 15 criterios específicos relacionados con la idoneidad del ingreso a la UCI dentro de las 48 horas posteriores a la cirugía. Se consideró apropiado un ingreso a la UCI si se cumplía uno de estos criterios. Los criterios incluyeron: intubación paramás de 12 horas, reintubación, paro respiratorio o circulatorio, solicitud de respuesta rápida o código, presión arterial inferior a 100/60 mHg durante dos horas consecutivas, frecuencia cardíaca inferior a 60 o superior a 110 lpm durante dos horas consecutivas, uso de presores, colocación deuna línea venosa central o catéter Swan-Ganz, ecocardiograma, nuevo inicio de arritmia cardíaca, infarto de miocardio, regreso al quirófano, transfusión de sangre que requiere más de 4 unidades o reingreso a la UCI después de un ingreso previo.
Los investigadores prepararon un cuestionario para preguntar a los médicos de manera prospectiva cómo evaluarían la necesidad de cuidados intensivos para cada paciente. "Les preguntamos a los médicos cuál es la mejor vía para cada paciente: si el paciente acude a la unidad de cuidados pos agudos, un servicio regularpiso, o la UCI? Le hicimos la misma pregunta a la máquina y comparamos los resultados ", explicó Francesco Maria Carrano, MD, investigador postdoctoral en NYU Langone y primer autor del estudio.
La inteligencia artificial calificó correctamente a 41 de los 50 pacientes en el estudio 82 por ciento. Los cirujanos tuvieron una tasa de clasificación de precisión del 70 por ciento 35 pacientes, los intensivistas el 64 por ciento 32 pacientes y los anestesiólogos el 58 por ciento 29 pacientes.El número de decisiones de triaje incorrectas fue más bajo para IA 18 por ciento, seguido por 30 por ciento para cirujanos, 36 por ciento para intensivistas y 42 por ciento para anestesiólogos.
La tasa de subtratamiento fue similar para la IA 12 por ciento y los cirujanos 10 por ciento; la tasa de sobreentrenamiento fue mucho más baja para la IA 6 por ciento que para los médicos cuyas tasas oscilaron entre el 20 y el 40 por ciento.La IA logró una tasa predictiva positiva del 50 por ciento y una tasa predictiva negativa del 86 por ciento.
Aunque el algoritmo en este estudio superó claramente el juicio de los médicos, es un primer paso. Los investigadores quirúrgicos planean aplicar el algoritmo a otras poblaciones de pacientes e incluir otras características demográficas y clínicas ". La mayoría de los pacientes en este estudioeran hombres en nuestro hospital. Nos gustaría ampliar el estudio del algoritmo a mujeres y pacientes en otros hospitales ", dijo el Dr. Carrano.
"El algoritmo se mejorará y perfeccionará a medida que la máquina analice a más pacientes, y las pruebas en otros sitios validarán el modelo de IA. Ciertamente, como se muestra en este estudio, el concepto es válido y puede extrapolarse a cualquier hospital", dijoDr. Melis.
Fuente de la historia :
Materiales proporcionado por Colegio Americano de Cirujanos . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :