Tecnología

La complejidad de la decisión clínica Cuando hablamos de toma de decisiones clínicas nos referimos al conjunto de acciones realizadas por los profesionales sanitarios que determinan el curso del tratamiento de sus pacientes. Es un concepto enormemente amplio y diverso que abarca desde el diagnóstico al tratamiento, pasando por muchos otros aspectos relacionados con la actividad asistencial. El ejercicio de la medicina es una especie de simbiosis entre ciencia y arte: la formación adquirida, los conocimientos recibidos, la experiencia e incluso la intuición se combinan para que de toda esa unión nazca la decisión que cada profesional considera más adecuada y correcta para cada paciente y en cada situación. Como si eso fuera poco, también influyen otras variables como el costo de las pruebas diagnósticas o los tratamientos, los insumos que pueda haber o no disponibles, y hasta factores todavía más intangibles como pueden ser el contexto socioeconómico y cultural de los pacientes. Esta complejidad lleva a que, por ejemplo, los errores médicos sean la 3ª causa de muerte en EEUU y a que en UK 40.000 personas mueran anualmente como consecuencia de este tipo de problemas. Es por todo esto que existen distintas estrategias para minimizar la incertidumbre y/o la variabilidad a la hora de esa toma de decisiones. Estas estrategias incluyen: metodologías de trabajo colaborativo entre pares, sistematización de protocolos, guías médicas, nuevas filosofías que colocan al paciente en un rol más decisor, y, en los últimos tiempos, nuevas herramientas tecnológicas que dan soporte a los profesionales. La tecnología como herramienta Los sistemas de soporte a la toma de decisiones clínicas (CDSSs por sus siglas en inglés) engloban distintas soluciones: desde aplicaciones para visualizar, procesar y ordenar datos de pacientes para que los profesionales puedan acceder fácilmente; hasta algoritmos, alertas, o recomendaciones que se generan de forma automática.  También se pueden incluir dentro de esta denominación al conjunto de herramientas pensadas para que los pacientes accedan fácilmente a información sobre sus patologías y que agilicen la comunicación entre sus profesionales tratantes, o herramientas de seguimiento y monitoreo remoto. Estos sistemas de soporte a la toma de decisiones son simplemente eso: un soporte. En sí mismos, en el vacío, carecen de sentido. Son herramientas que tienen que estar, por sobre todas las cosas, en función de las personas a las que sirven, para empoderarlas y para ayudar a que cada profesional pueda centrarse en generar valor de manera óptima, con la sensibilidad y la empatía que estos sistemas carecen.  Para que eso suceda, estos sistemas tienen que cumplir una serie de requisitos. Requisitos para la efectividad de los sistemas de soporte a la toma de decisiones clínicas Estos sistemas se basan en proveer al paciente, médico o cualquier individuo de información concreta y correctamente procesada. Esta información debe estar basada en la evidencia científica y debe ser pertinente al contexto. Los sistemas deben presentar la información a las personas que puedan influir o determinar en ella. En este sentido, las personas correctas pueden ser médicos, enfermeras o incluso, los propios pacientes. Es fundamental determinar claramente el mejor formato para que sea útil y accionable, personalizada y adaptada a cada perfil. Según a quién se esté hablando, estos canales pueden ser historias clínicas electrónicas, portales de pacientes, o hasta aplicaciones móviles. La disponibilidad y la accesibilidad de la información es crucial para asegurar la fiabilidad en la toma de decisiones. Por eso, nada de todo lo presentado tiene sentido si estos sistemas no se integran de forma correcta a los procesos de trabajo de las personas y/o las organizaciones. Entonces, ¿qué concluimos sobre los sistemas de soporte de toma de decisiones? Los CDSSs son herramientas que pueden generar mucho valor a todos los actores del rubro de la salud, pero como todo en esta industria, requieren de una implementación a medida y adaptada a cada caso de uso.  En Laba creemos que utilizar este tipo de sistemas es fundamental para disminuir el riesgo de errores humanos prevenibles, incrementando el éxito de los diagnósticos y tratamientos, y aumentando la seguridad de los pacientes.  _________ Si estás interesado en asesoramiento sobre estos sistemas de soporte y querés usarlos, ponete en contacto con nuestro equipo.

La inteligencia artificial tiene cada vez más usos y aplicaciones en el rubro de la salud, entre los que se destaca la asistencia para detección temprana de patologías Cuando hablamos de prevención nos referimos a la aplicación de distintas medidas para evitar la aparición de enfermedades, detener su avance o minimizar las consecuencias una vez que la enfermedad está establecida. Las medidas de prevención entonces, son acciones anticipatorias a situaciones indeseables para promover el bienestar. Hacer ejercicio frecuentemente, vacunarse o hacerse estudios de screening tales como al famoso PAP o mamografía en ginecología o la colonoscopía en gastroenterología, son solo algunas de las recomendaciones que diariamente escuchamos para prevenir determinadas enfermedades.  En los últimos años comenzó a cambiar el modelo clásico de medicina reactiva para empezar a hacer foco en una medicina preventiva, y así promover conductas saludables validadas por profesionales altamente capacitados para lograr un mejor nivel de salud de la población general.  Lamentablemente no todas las patologías pueden prevenirse, pero la tecnología sigue avanzando y cada vez agrandamos más el abanico de posibilidades. Uno de los recursos tecnológicos que puede comenzar a hacer una gran diferencia en lo que respecta a detección temprana de enfermedades es la inteligencia artificial.  La inteligencia artificial es la disciplina que intenta replicar mediante algoritmos informáticos distintas capacidades cognitivas similares a las de los humanos. Estos algoritmos por lo general “aprenden” a partir de grandes cantidades de datos, y tienen la ventaja de que una vez que son entrenados para realizar cierta tarea específica, pueden ejecutarse en una escala y a una velocidad que ningún humano podría imitar, y con un desempeño consistente y predecible. Hay numerosas aplicaciones prácticas de IA, en el caso del rubro de la salud son impresionantes los avances sobre la visión artificial y su aplicación en el diagnóstico por imágenes, como definió IBM, “Esta tecnología de IA permite que las computadoras y los sistemas obtengan información significativa de imágenes digitales, videos y otras entradas visuales, y que actúen con base en ellas.”  Un ejemplo claro en el que se está trabajando hoy en día es en la utilización de IA para la detección temprana del cáncer de mama.  De acuerdo con los datos de la Organización Mundial de la Salud, el cáncer de mama (CM) es el cáncer más frecuente de la mujer, con 2,2 millones de casos cada año. Se calcula que 1 de cada 12 mujeres entre 35 y 80 lo desarrollarán a lo largo de su vida. Su detección temprana aumenta las posibilidades de cura, por eso es fundamental hacer una correcta prevención y detectar esta patología lo antes posible.  La utilización de la mamografía como principal método de screening junto a las mejoras en los tratamientos farmacológicos lograron disminuir la mortalidad por CM, pero aún así, ésta sigue siendo la principal causa de muerte del sexo femenino. Aquí es cuando entra la tecnología como herramienta complementaria fundamental, para seguir encontrando soluciones, mejorando la calidad de vida de las personas y ayudando a los profesionales en su trabajo diario.   En los últimos años comenzaron a desarrollarse algoritmos de detección en computadoras que pueden ayudar a la interpretación de mamografías, detectando imágenes sospechosas fácilmente e incluso estimando si son benignas o malignas. Recientemente los Investigadores del Hospital General de Massachusetts y el CSAIL, que es el Laboratorio de Informática e Inteligencia Artificial del MIT, estuvieron trabajando en un modelo de deep learning que tiene la capacidad de predecir, a partir de una mamografía, si la paciente tiene probabilidades de desarrollar un cáncer de mama en el futuro cercano. Este estudio analizó la utilidad de su modelo de deep learning en la detección de densidades mamarias utilizando 58,894 mamografías digitales seleccionadas al azar sin criterio de exclusión, provenientes de 39.272 mujeres que se realizaron su screening.  El aumento de la densidad mamaria puede enmascarar cánceres en la mamografía y es un factor de riesgo independiente para desarrollar CM, es por eso que en varios estados de USA aprobaron leyes que exigen la notificación directa de la detección de estas densidades a los pacientes. Incluso en algunos lugares, es obligatorio no sólo la notificación, sino la recomendación de realizar otros estudios complementarios tales como ecografía o resonancia magnética.  El problema es que la interpretación mamográfica de la densidad mamaria varía ampliamente entre los profesionales radiólogos. La IA y los algoritmos de detección son una gran herramienta complementaria en estos casos, ya que pueden proporcionar información más precisa gracias a la detección de sutiles patrones del tejido mamario precursores de malignización que son muy difíciles de detectar para el ojo humano. De esta forma, con su utilización aumenta la calidad y disminuye la variabilidad de los diagnósticos.  Por supuesto todavía es necesaria la validación externa de estos modelos de deep learning para verificar que el algoritmo se pueda generalizar en otras poblaciones de pacientes y sistemas de atención médica. Pero sin duda la inteligencia artificial tendrá un papel importante en el futuro de la detección temprana del cáncer de mama, ayudando a arribar a un diagnóstico certero de forma más temprana, evitando la realización de más estudios cuando es innecesario y ahorrando los recursos de las instituciones.  Es importante seguir trabajando en equipo profesionales de salud junto con ingenieros informáticos y otros profesionales, para seguir sumando nuevas herramientas innovadoras a la práctica profesional. Pero también es necesario saber cuándo y cómo utilizarlas, sin hacer abuso de ellas y siempre como herramientas que complementan los conocimientos de los profesionales y no como soluciones mágicas aisladas. De esta forma se evitará el sobrediagnóstico y sobretratamiento, dos problemáticas que empezaron a tomar relevancia con el auge de la digitalización.  Celebramos todas las investigaciones que se están llevando a cabo para poder cambiar el destino de las personas que enfrentan esta patología. Todavía falta un largo camino por recorrer, pero la dirección en la que hay que ir ya está firmemente establecida y eso nos entusiasma.  Seguimos avanzando y promoviendo una medicina centrada en las personas, haciendo buen uso de la tecnología