Hemos actualizado nuestro Política de privacidad para aclarar cómo usamos sus datos personales.

Usamos cookies para brindarle una mejor experiencia. Puede leer nuestro Política de cookies aquí.

Publicidad
artículo

¿Podría COVID-19 marcar el comienzo de un futuro digital para la atención médica?

artículo

¿Podría COVID-19 marcar el comienzo de un futuro digital para la atención médica?

tiempo de lectura :

Durante los últimos 18 meses, el Servicio Nacional de Salud del Reino Unido NHS se ha visto muy afectado por la pandemia de COVID-19. Más de 470.000 pacientes de COVID-19 han sido ingresados ​​en el hospital. En el pico de la segunda ola de la pandemia en enero,más de 4.000 pacientes necesitaron ventiladores mecánicos para respirar. Con casi 130.000 muertes por COVID-19 registradas en el Reino Unido, las futuras investigaciones sobre el manejo de la pandemia girarán en torno a por qué tantas personas murieron en una nación que se clasificó extremadamente muy en el 2019 Índice de seguridad sanitaria mundial GHS y qué medidas se pueden tomar para evitar la pérdida de vidas en esta escala en el futuro.

¿Podría un NHS más digitalizado y centrado en datos haber salvado vidas? Una nueva estudio el examen de cómo se trató a los pacientes durante la primera ola de la pandemia ha demostrado cómo los métodos basados ​​en el aprendizaje automático podrían transformar la forma en que se lleva a cabo la atención estándar del NHS.

Dirigido por investigadores en Imperial College de Londres , el estudio recopiló datos de 18 unidades de cuidados intensivos UCI diferentes de todo el NHS, agregando datos de más de 600 pacientes de la UCI. Si bien los estudios anteriores de esta escala habían recopilado datos de admisión de pacientes, el nuevo artículo, publicado en Medicina de cuidados intensivos , tenía un objetivo más ambicioso. El profesor Aldo Faisal, del Departamento de Informática y el Departamento de Bioingeniería del Imperial College de Londres, fue el autor principal del artículo. “A diferencia de todos los estudios anteriores, analizamos los datos de los pacientes: su frecuencia cardíaca, sangrepresión, no solo el primer día, sino dos veces al día por cada día que permanecieron en la UCI hasta que murieron o sobrevivieron y fueron dados de alta ”, cuenta Faisal. Redes de tecnología.

Este tipo de análisis es tan poco común debido a la gran cantidad de datos generados durante el período que un paciente permanece en la UCI y también porque los hospitales no están exactamente estandarizados en el seguimiento de dichos datos. Faisal explica que, si bien algunas instituciones ensu análisis mantuvo registros de salud electrónicos EHR para rastrear a sus pacientes, otras UCI no estaban tan organizadas.


Profesor Aldo Faisal, del Departamento de Informática y el Departamento de Bioingeniería del Imperial College London. Crédito: Imperial College London

"Estos hospitales sin registros electrónicos ni siquiera sabían cuántos pacientes murieron o qué tratamientos se aplicaron, y no tenían una imagen de su situación", dice Faisal. Para permitir el seguimiento, el equipo creó una interfaz fácil de usarque permitió a los hospitales analógicos en el ensayo ingresar datos detallados sobre sus pacientes en la UCI, aunque solo fuera a mano.

Problemas de proning


Esta interfaz le permitió al equipo de Imperial construir una imagen no solo de la fisiología de los pacientes, sino también de cómo fueron tratados en diferentes UCI y cuáles fueron sus resultados. Faisal dice que el equipo vio una “variación considerable” en la forma en que se trataba a los pacientes. Uno de los mayores riesgos para los pacientes con COVID-19 en estado crítico proviene del daño causado por la enfermedad wreaks en sus pulmones. Para ayudar a los pacientes a respirar mejor, las UCI tienen una variedad de estrategias de tratamiento. Uno de los enfoques más comunes fue el "proning", donde el paciente se coloca físicamente boca abajo para ayudar a sus pulmones a acceder al oxígeno. Pero al analizarSegún los datos de la UCI, el equipo de Faisal observó que una gran proporción de pacientes no obtuvo ningún beneficio clínico con la pronación. "Eso es importante, porque si un médico prescribe la pronación, normalmente esperan tres o cuatro días para probar otra cosa", dice FaisalEl equipo de Faisal pudo introducir datos en un algoritmo de aprendizaje automático que podría determinar qué características del paciente predecirían el éxito o el fracaso de la pronta, datos que podrían ayudar a los médicos a evitar la pronta para los pacientes que probablemente no obtendrían ningún beneficio.

Los hallazgos son especialmente importantes para una técnica hospitalaria estándar como la práctica de proning. "El proning es algo tan sencillo", explica Faisal, "que normalmente no realizaría un ensayo clínico como lo haría para incorporar un nuevo medicamento COVID apruebe si el medicamento funciona o no. Es un poco como cuando tiene una apendicitis. Nadie hará una prueba para ver qué sucede si no se corta el apéndice en una apendicectomía porque simplemente es demasiado arriesgado no hacerlo.”El equipo demostró que los pacientes que tenían un componente respiratorio y cardiovascular elevado en la puntuación de la evaluación secuencial de insuficiencia orgánica SOFA, una herramienta estándar de predicción clínica de la UCI, tenían menos probabilidades de responder positivamente al proning.

Cómo diseñar un algoritmo sanitario

El algoritmo del equipo de Imperial utilizó una técnica llamada Explicaciones aditivas SHapley SHAP para determinar qué parámetros eran los más importantes para predecir la supervivencia en la UCI. Esto implicó primero mirar todos los datos proporcionados por el personal de atención médica y luego eliminar los parámetros individuales para verqué efecto tuvo en el rendimiento del algoritmo. Con esta técnica, los equipos pudieron identificar parámetros importantes que podrían pasarse por alto mediante el análisis de solo los datos de admisión. Por ejemplo, el nivel de lactato de los pacientes era relativamente poco importante el primer día, pero se convirtió en unmejor predictor de si los pacientes sobrevivirían durante su primera semana en la UCI.


El algoritmo también permitió al equipo hacer predicciones más generales sobre qué factores determinarían si los pacientes se recuperarían o no de una estadía en la UCI. Al analizar los datos durante la estadía de un paciente, el equipo hizo un hallazgo importante: “Descubrimos quelas variables y parámetros de salud que normalmente se consideran importantes el día de la admisión fueron no los parámetros que fueron importantes el tercer día ”, dice Faisal.

herramienta basada en web


El equipo de Faisal quería asegurarse de que los médicos de la UCI pudieran beneficiarse activamente de los conocimientos de su algoritmo. Con este fin, el equipo creó una herramienta basada en la web que permite a los médicos predecir cómo progresarán los pacientes con determinadas características fisiológicas durante su estancia en la UCI.Los usuarios pueden hacer preguntas simples: ¿cómo se verán afectados de manera diferente los pacientes con COVID-19 con presión arterial alta durante el curso de su enfermedad? ¿Qué intervenciones funcionan mejor para estos pacientes? - y recibir una respuesta fácil de digerir.sala de situación en las películas donde se ve todo en una imagen. Eso es básicamente lo que pretendíamos proporcionar, para que las personas muy inteligentes, pero muy ocupadas y muy abrumadas pudieran tener una idea de lo que estaba sucediendo ”, dice Faisal.

“Hemos visto cosas que suceden en semanas que hubiera pensado que pasarían en años, si tuviéramos suerte.” ~ Profesor Aldo Faisal

Pero el análisis del equipo se realizó de manera retrospectiva y, aunque a veces no lo parezca, la pandemia de COVID-19 eventualmente terminará. ¿Serán útiles los hallazgos del equipo para otros estados patológicos? “Absolutamente”, dice Faisal."Puede aplicar esto a COVID-19, puede aplicarlo a cualquier enfermedad por la que se trate a las personas en cuidados intensivos, pero también podría aplicarlo a la atención primaria". La pandemia, reconoce Faisal, podría ser un momento decisivo para la atención médicadigitalización. "Hemos visto cosas que suceden en semanas que hubiera pensado que pasarían en años, si tuviéramos suerte, hace dos años", dice. Señala que un enfoque más amigable con los datos en los hospitales también se ha reflejadoen las prácticas de los pacientes: el uso de aplicaciones para indicar si ha estado expuesto a un virus es ahora un lugar común, pero habría sido una pre-pandemia totalmente ajena.

Un elemento que enfatiza Faisal fue clave para el éxito del estudio fue el modelo de atención médica centralizada del NHS, que permitió al equipo extraer datos de hospitales de diferentes juntas de salud y combinarlos con relativa facilidad.sistema de atención médica, entonces cada hospital habría sido un proveedor privado diferente, potencialmente compitiendo con otros proveedores privados y tal vez ni siquiera queriendo para compartir los datos, porque podría revelar algo sobre su posición operativa ”. La búsqueda de un NHS a prueba de pandemias requerirá no solo digitalización, sino colaboración.

Referencia :

Patel BV, Haar S, Handslip R, et al. Historia natural, trayectoria y manejo de pacientes con COVID-19 ventilados mecánicamente en el Reino Unido. Medicina de cuidados intensivos . 2021; 47 5: 549-565. Doi : 10.1007 / s00134-021-06389-z

Conozca al autor
Ruairi J Mackenzie
Escritor científico senior
Publicidad