¿Ingresar o dar de alta al domicilio por hemorragia digestiva? La inteligencia artificial puede ayudar a decidir

Will Pass

Conflictos de interés

25 de mayo de 2021

Dr. Dennis Shung

GI Genius fue el primer dispositivo aprobado por la Food and Drug Administration (FDA) de Estados Unidos para utilizar inteligencia artificial en procedimientos de endoscopia. Pronto una tecnología similar puede brindar a los gastroenterólogos una ventaja antes de que entren incluso a la sala de procedimientos.[1,2]

La inteligencia artificial puede proporcionar puntuaciones de riesgo muy exactas para los pacientes con sospecha de hemorragia digestiva alta y dar una recomendación para el alta o la hospitalización, de acuerdo con el Dr. Dennis Shung, maestro en ciencias de la salud, profesor clínico de la Yale University, en New Haven, Estados Unidos. Y esto podría proporcionar considerable beneficio.

"La hemorragia digestiva aguda es el diagnóstico gastroenterológico más común que requiere hospitalización. Representa un costo de aproximadamente 19.200 millones de dólares por año", señaló el Dr. Shung, citando un estudio publicado en Gastroenterology.[3] Hizo estas observaciones durante una sesión virtual en la AGA Tech Summit de 2021, patrocinada por el Center for GI Innovation and Technology de la American Gastroenterological Association (AGA).

Las consultas en el servicio de urgencias por hemorragia digestiva alta aumentaron 17% de 2006 a 2014, añadió el Dr. Shung, señalando una tendencia creciente.

El problema con el empleo de las puntuaciones de riesgo

En la actualidad se dispone de diversas puntuaciones de riesgo usuales para ayudar a atender a estos pacientes. En general utilizan una variable combinada de intervención hemostática, transfusión o muerte para determinar cuáles pacientes deben hospitalizarse (alto riesgo) y cuáles pueden irse a su domicilio (riesgo bajo). Aunque estos modelos pueden ofrecer alta sensibilidad, siguen sin utilizarse lo suficiente.

"Las puntuaciones de riesgo clínico son engorrosas, es difícil calcularlas y es posible que no se recuerde hacer esto durante un flujo de trabajo atareado", destacó el Dr. Shung.

Asimismo, señaló que la escasa implementación puede derivar también de responsabilidades clínicas no bien definidas.

"La observación de médicos que atienden pacientes con hemorragia gastrointestinal demuestra que hay una cultura de no asumir la responsabilidad. Los médicos de servicios de urgencias consideran que los gastroenterólogos son quienes deben llevar a cabo la puntuación del riesgo. Los gastroenterólogos consideran que es responsabilidad de los médicos del servicio de urgencias", agregó.

Para superar estas deficiencias, el Dr. Shung y sus colaboradores desarrollan inteligencia artificial que automatiza el análisis del riesgo para la hemorragia digestiva alta al integrar el proceso en el flujo de trabajo clínico. Al igual que GI Genius, su estrategia se basa en el aprendizaje automático, un tipo de inteligencia artificial que puede mejorar automáticamente sin que se programe de manera explícita.

Su estudio implicó un modelo de aprendizaje automático que podría predecir la transfusión a pacientes ingresados por hemorragia digestiva aguda.[2] El modelo fue desarrollado y validado internamente en una cohorte de 2.524 pacientes, que luego demostró mejor desempeño que los modelos habituales basados en regresión cuando se validó externamente en 1.526 pacientes también ingresados en hospitales urbanos de gran tamaño.

Google Maps para la hemorragia digestiva

"El futuro, según lo visualizo, es una especie de Google Maps para la hemorragia digestiva", indicó el Dr. Shung, refiriéndose a cómo el producto popular de cartografía en red analiza datos en tiempo real, como patrones de clima y tráfico, para proporcionar el mejor camino y un tiempo estimado de llegada. "Con la historia clínica electrónica, tenemos la capacidad de personalizar el tratamiento al utilizar básicamente datos obtenidos durante el encuentro clínico a fin de generar evaluación del riesgo en tiempo real".

En otras palabras, el software de aprendizaje automático lee la historia clínica electrónica de un paciente, pasa los datos relevantes a través de un algoritmo y produce una puntuación de riesgo, así como una recomendación clínica. En el caso de sospecha de hemorragia digestiva alta, se recomienda al médico el alta para endoscopia ambulatoria o la hospitalización para la valoración del paciente hospitalizado.

Dado que la calidad y la sistematización de los datos en las historias clínicas electrónicas pueden variar, es necesaria la forma más avanzada de aprendizaje automático (aprendizaje profundo) para convertir esto en una realidad clínica. El aprendizaje profundo convierte conceptos más sencillos en complejos. En este escenario, esto significaría decidir cuáles datos clínicos son relevantes y cuáles son solo ruido. Siguiendo esto un paso más adelante, el aprendizaje profundo puede de hecho "sacar conclusiones" de lo que falta.

"Existen enormes dificultades en datos irregulares que es necesario superar. Pero lo veo como una oportunidad. Cuando se ven cosas que se muestrean de manera irregular, cuando se ve que faltan cosas, significa algo. Significa que un ser humano ha decidido que esa no es la forma en que deberíamos hacer las cosas debido a que ese paciente no lo necesita. Y creo que tiene mucha utilidad aprender cómo modelizar estas cuestiones", agregó el Dr. Shung.

El camino a la implementación clínica

Dr. Sushovan Guha

Con más investigación y validación, dos modelos de aprendizaje profundo para gastroenterología probablemente desempeñen una función en la toma de decisiones clínicas, de acuerdo con el Dr. Shung. Pero para llegar al ámbito clínico, quienes lo desarrollen necesitarán superar algunos obstáculos fundamentales. "El principal factor que realmente está obstaculizando la utilización de la modelización de riesgo con inteligencia artificial es el problema del reembolso", haciendo alusión a la incertidumbre de que los pagadores cubran los costos asociados.

En una entrevista, el Dr. Sushovan Guha, Ph. D., moderador de la sesión virtual y codirector del centro de gastroenterología intervencionista en UTHealth (iGUT), en Houston, Estados Unidos, puntualizó otro factor económico desconocido: responsabilidad.

"¿Qué ocurre si se comete un error? Es cometido por las computadoras, pero ¿quién tiene la culpa?", cuestionó.

Además de estas complejidades, algunos médicos pueden necesitar persuadirse antes de estar dispuestos a confiar la vida de un paciente a un algoritmo. "Debe haber médicos de la comunidad que estén convencidos de la importancia de utilizar estas herramientas para mejorar su práctica clínica. Para este, es tiempo de que aceptemos y nos adaptemos, y de hacer mucho más eficiente el proceso de toma de decisiones", finalizó.

Los investigadores han declarado no tener ningún conflicto de interés económico pertinente.

Este contenido fue originalmente publicado en MDEdge, parte de la Red Profesional de Medscape.

Para más contenido siga a Medscape en Facebook, Twitter, Instagram y YouTube.

Comentario

3090D553-9492-4563-8681-AD288FA52ACE
Los comentarios están sujetos a moderación. Por favor, consulte los Términos de Uso del foro

procesando....