Las demandas sin precedentes a las cuales estuvieron sometidos los proveedores de atención médica durante la pandemia del COVID realzaron una necesidad crítica y en aumento de equipos médicos: acceso más rápido a información cada vez más detallada de los pacientes para acelerar la toma de decisiones. El volumen de datos de atención médica explotó en los últimos años debido la introducción de una variedad de tecnologías nuevas. Esto representa una oportunidad creciente para extraer una inteligencia nueva y más compleja a partir de esos datos.
Hoy en día, la atención al paciente requiere que los doctores y los médicos clínicos consulten una variedad de flujos de datos procedentes de una amplia lista de dispositivos diversos. Estos datos se suelen usar en el momento; no obstante, un análisis más detallado puede ser muy demoroso y complejo.
UAB Medicine lanza un programa piloto basado en IA con MIC
UAB Medicine, uno de los principales centros médicos académicos de los Estados Unidos y líder reconocido en atención al paciente, investigación y entrenamiento de categoría mundial; quería analizar y maximizar rápidamente la información generada a partir de la gran cantidad de datos de los pacientes. ¿Se podría usar las herramientas emergentes, como la inteligencia artificial (IA) y el aprendizaje automático para obtener más inteligencia a partir de los datos? ¿Podría UAB usar los datos para optimizar aún más la prestación de cuidados para cada paciente o incluso predecir emergencias de salud?
El Departamento de Anestesiología y Medicina Perioperatoria de la UAB intentaron responder a esa pregunta junto con MIC, una empresa de software que se especializa en la supervisión clínica en el entorno intrahospitalario.
El resultado fue un programa piloto inédito con UAB Medicine basado en la plataforma Sickbay de MIC, aprobado por la FDA, y las tecnologías de Cisco e Intel®. En el trabajo en conjunto, las empresas crearon un nuevo modelo a gran escala para adquirir y sincronizar datos, y una ruta hacia la atención más personalizada.
Estudio cardíaco toma un nuevo enfoque para obtener valor de los datos
UAB Medicine comenzó por implementar la plataforma clínica de vigilancia como servicio en tiempo real (RTCS) Sickbay con tecnología Intel® en sus quirófanos. Sickbay permite aprovechar la arquitectura de red de Cisco para habilitar la integración segura de dispositivos médicos de ondas desde dispositivos no conectados a una red, como la espectroscopia en infrarrojo cercano (NIRS), los ventiladores, las máquinas de anestesia, la oxigenación por membrana extracorpórea (ECMO), los electroencefalogramas (EEG) y más.
Esto permitió al equipo lograr una supervisión continua casi en tiempo real de los datos y su recopilación para usarlos en el análisis retrospectivo de casos cardíacos. El objetivo era analizar varias alteraciones durante los diferentes tipos de procedimientos cardíacos, como también durante las distintas etapas de esos procedimientos. Se podría correlacionar los resultados con los diversos tipos de administración y medicamentos disponibles.
“UAB ha sido una institución muy basada en los datos”, dice el Dr. Dan Berkowitz, presidente del Departamento de Anestesiología y Medicina Perioperatoria de la UAB. “La plataforma Sickbay nos permite obtener esta información de alta resolución desde cada dispositivo de supervisión que tenemos e integrarla de una manera completamente independiente de los proveedores. Eso constituye una base de gran utilidad para el descubrimiento y la supervisión en tiempo real”.
Desde una perspectiva amplia, el análisis cardíaco requería tomar una gran cantidad de series temporales compuestas de horas de muestras de cirugía, recopiladas en 120 muestras por segundo, y transformar estos datos en curvas simples, ilustrativas y útiles. Por lo tanto, los datos se transforman en información útil y procesable. Lo que hizo que el programa piloto fuera inusual fue su alcance. Si bien ya se había realizado análisis similares antes, en ellos se examinó un solo paciente a la vez. El programa piloto de la UAB permitió recopilar las señales y calcular las curvas de autorregulación cerebral, como también los valores clave de esas curvas, respecto de una lista de grupos de 55 pacientes sin identificación y a una velocidad de solo cuatro minutos por paciente.
“Creemos que esta es la primera vez que se realiza este tipo de análisis de forma simultánea en grupos de varios pacientes”, dice el Dr. Ryan Melvin, científico de datos principal del Departamento de Anestesiología y Medicina Perioperatoria de la UAB.
MIC ayuda a UAB Medicine a fusionar datos para obtener información nueva
La plataforma Sickbay permitió que UAB Medicine combinara y transformara dos o más señales complejas para crear una visión completamente nueva y más completa del estado de los pacientes. Una vez que se crea la nueva curva, UAB y MIC intentaron usarla para abordar dos objetivos.
La primera fue identificar la presión arterial óptima para cada paciente durante su procedimiento según la información en tiempo real, en lugar de basarse en los datos históricos o los promedios de la población. La nueva visión personalizada que ofrece Sickbay consolida los datos de los dispositivos cardíacos y NIRS sobre la condición de los pacientes en un momento determinado. Luego, la plataforma usa los datos para realizar un seguimiento de la presión arterial óptima para esa persona durante el procedimiento cardíaco. Estas ideas adicionales permiten generar una visión más completa del paciente, lo que apoya la misión de optimizar la atención para garantizar que el cerebro del paciente esté recibiendo el flujo sanguíneo necesario en todo momento.
El segundo objetivo, que representa un objetivo a más largo plazo, es ir más allá de la visualización de la curva para proporcionar a los médicos una sola cifra de presión arterial que se actualiza cada unos pocos segundos. La cifra especificaría ese nivel de presión arterial recomendado para cada paciente en cada paso del procedimiento.1
MIC Sickbay permite acceder a los datos que nunca antes estuvieron disponibles
Las señales de alta resolución y la API ofrecidas por Sickbay constituyeron la base del programa piloto en UAB Medicine. La plataforma basada en software y aprobada por la FDA ayuda al equipo de la UAB a automatizar la recopilación de datos de los pacientes desde sus camas y llevarlos a los equipos de atención dondequiera que estén.
Mediante la fusión de las fuentes de datos que una vez estuvieron separadas, Sickbay ofrece al personal de UAB Medicine acceso a datos de ondas en tiempo real, con divulgación completa y retrospectiva ilimitada, que, en muchos casos, nunca antes había estado disponible. La capacidad básica para ver estos datos de forma remota habilita un enfoque más basado en los datos en la atención diaria de los pacientes; sin embargo, también ofrece información nueva y novedosa sobre la autorregulación de la presión arterial en casos cardíacos. Esta información puede ser invaluable para los pacientes y los médicos por igual, ya que ofrece un apoyo sólido para una variedad de necesidades clínicas y operativas críticas, incluida la previsibilidad de los paros cardíacos.
Nuevo modelo mejora los procesos de UAB Medicine
“Lo que hemos creado con Sickbay predice lo que queremos predecir y podemos actualizarlo en cualquier momento y supervisar desde cualquier lugar”, dice Dr. Melvin de la UAB.
Gracias a la arquitectura escalable y sin proveedores de Sickbay, el equipo médico puede enviar una solicitud al departamento de análisis interno. Luego, el equipo de TI trabaja en colaboración con el equipo médico para crear una herramienta que haga con exactitud lo que se requiere. La solución se creó en torno a los pacientes de la UAB y se puede cambiar y adaptar en cualquier momento para satisfacer las necesidades en evolución. Se puede acceder a todos los datos en cualquier dispositivo con acceso a la Web para habilitar las rondas y la supervisión virtuales desde casi cualquier lugar, todo ello para un uso más eficiente de los recursos y una mejor colaboración.
“En nuestro trabajo con la UAB, estuvimos revisando cómo construir en realidad modelos para calcular y guiar a los médicos a fin de predecir los inminentes fallas o deterioros catastróficos”, dice la Dra. Emma Fauss, directora ejecutiva de MIC. “¿Cómo abordamos el problema de la adquisición y la sincronización de datos para que todo se haga de forma pasiva? Fue uno de nuestros objetivos que, mediante el uso de Sickbay, se pudiera tener un médico experto y juntarlo con un estudiante de ingeniería, quienes deberían poder crear análisis y pruebas en unos días o semanas, y probar sus teorías”.
Resultados del programa piloto son auspiciosos para los médicos y los pacientes
En el caso del programa piloto de UAB Medicine, tomó seis meses para hacer funcionar el sistema y que UAB pudiera comenzar a trabajar con los datos. Una vez que se puede demostrar el impacto positivo en los resultados de los pacientes, las lecciones aprendidas durante el proyecto tienen la posibilidad de ofrecer beneficios durante la continuidad de la atención médica.
Los beneficios para la atención al paciente
En la actualidad, UAB Medicine y MIC se centran en validar sus conclusiones y algoritmos usados para procesar los datos de este programa piloto. El objetivo final es comenzar a usar la plataforma Sickbay y lo aprendido durante el proyecto de autorregulación para mejorar la toma de decisiones casi en tiempo real y la atención al paciente en la sala de operaciones, la unidad de cuidados intensivos (UCI) y otros lugares.
El programa piloto de tecnología también respalda la posibilidad de adoptar una terapia más orientada a los objetivos, en lugar de basarse en los métodos convencionales de medición de la presión arterial. Después, el hospital podría tomar los datos fisiológicos dinámicos y saber más mediante la comparación de las diferentes poblaciones y curvas de relación en esas poblaciones.
Mediante el uso de la inteligencia artificial en el aprendizaje automático, Sickbay permite que UAB Medicine obtenga señales de alta resolución casi en tiempo real para ayudar a los médicos a acercarse más a la medicina de precisión. En última instancia, se podrían incorporar datos relacionados con otros problemas de salud y estilo de vida. Esto podría incluir la exposición al sol, la microbiología y el comportamiento genético de las personas. Se podría considerar la luz y el ruido de su entorno. Incluso se podría incluir la actividad en redes sociales y de gaming de una persona, lo que hace posible lo mejor en un tratamiento personalizado.
Los beneficios para los flujos de trabajo de los hospitales
El acceso y la sincronización de los datos ofrecen beneficios operativos a los hospitales y su personal. En el caso de los doctores y los médicos clínicos, Sickbay puede ayudar a los doctores a minimizar las demandas provenientes de la integración de muchas fuentes de datos diferentes y su verificación con su propio conocimiento y la bibliografía disponible. De esta manera, los doctores pueden recuperar tiempo y tener una mayor libertad para concentrarse en lo que mejor hacen, establecer conexiones empáticas y estrechas con sus pacientes.
“El propósito final de la IA en la atención médica es disminuir la carga cognitiva de los proveedores, a la vez que se mejora los resultados de los pacientes”, dice el Dr. Melvin de UAB. “Si tenemos un proyecto que, en última instancia, no es capaz de cumplir con ese objetivo, no creo que alguna vez prospere. Ahí es cuando se obtiene la aceptación de los equipos médicos”.
Las capacidades predictivas hechas realidad gracias a los datos valiosos de los pacientes en tiempo real también pueden preparar a los hospitales a fin de prever mejor las necesidades futuras y operar con más eficiencia. Si el personal usa los datos, ¿pueden determinar si está previsto que un paciente salga de la UCI muy pronto o se está quedando allí por mucho tiempo? ¿Pueden predecir y prevenir una emergencia o un accidente de salud? ¿Qué tal si se puede predecir la probabilidad de readmisión o la cantidad de camas que se necesitarán mañana?
Mediante el modelo MIC-UAB basado en Intel, se puede basar las decisiones de planificación en datos accesibles de los pacientes. Esto ayuda a hospitales como UAB Medicine a identificar mejor los problemas de salud no deseados de los pacientes y evitarlos, a la vez que se ofrece una mejor atención a quienes los experimentan. Entre los principales beneficios se incluye una mayor eficacia para los proveedores y una mejor experiencia general para los pacientes.
MIC e Intel: Una visión compartida de las posibilidades
La relación de MIC con Intel comenzó con la misión conjunta de las empresas para avanzar en la idea de la recopilación de datos en el perímetro. Esa colaboración impulsó una asociación continua que, hoy en día, cuenta con muchas facetas.
Intel Capital
Los primeros compromisos llevaron a Intel a invertir en MIC y respaldarla como parte del programa de empresas de la cartera de Intel Capital.
Procesadores Intel®
La plataforma MIC Sickbay se basa en una plataforma específica basada en SaaS y equipada con procesadores escalables Intel® Xeon® con seguridad mejorada por hardware.
Experiencia de Intel
MIC se basa en la acabada experiencia y los recursos de Intel, además de su amplio ecosistema de socios del sector, para ser de ayuda en problemas como la seguridad, la administración de datos federados, la infraestructura, la informática y la creación rápida de prototipos de IA y su validación. Por ejemplo, los expertos de Intel evaluaron la arquitectura de MIC para validar que era una solución segura.
Filosofía de Intel
“Creo que solo trabajar de manera filosófica con el equipo de Intel ha sido maravilloso porque estamos muy alineados en los mismos principios”, dijo la Dra. Emma Fauss, directora ejecutiva de MIC. “Ambos fuimos fundados por ingenieros. Queremos ser curiosos y resolver de forma creativa los problemas que enfrentamos, no solo por nuestros clientes, sino que pensar a fondo en las oportunidades que nos enfrentamos”.