Enlace Judío México e Israel.- La innovación israelí en tecnología médica permite a los médicos obtener una visión rápida de los pacientes.

MAAYAN HOFFMAN

LA tecnología está transformando el campo médico, y la inteligencia artificial (IA) está permitiendo que la tecnología médica avance a un ritmo cada vez más rápido.

Ya, los hospitales de todo el mundo se están beneficiando de la tecnología médica israelí.

Pero cuando se trata de la IA, incluidos el aprendizaje profundo y el aprendizaje automático, los investigadores dicen que hay mucho más por delante de la Start-up Nation.

Tome MedAware basado en Ra’anana, que utiliza la inteligencia artificial y el aprendizaje automático para reducir significativamente los errores de medicación. La tecnología permite a las cadenas de proveedores de atención médica, pagadores y farmacias aprovechar los grandes datos para identificar y eliminar una amplia gama de errores de prescripción y proporcionar una mejor gestión de riesgos.

El CEO y cofundador de MedAware, el Dr. Gidi Stein, dijo a “The Jerusalem Report” que los errores de medicación representan una pérdida de $ 21 mil millones solo en el sistema de salud estadounidense, sin incluir el costo de las acciones legales tomadas cuando se producen errores de medicación.

Además, los eventos adversos de medicamentos (ADE), o las lesiones resultantes de tomar un medicamento, son una de las tres categorías más comunes y dañinas de los errores médicos.

Cada año en EE.UU. hay aproximadamente dos millones de ADE que causan 100.000 muertes asombrosas, informa el Movimiento de Seguridad del Paciente de la ONG.

A principios de este año, el Departamento de Medicina Interna de Sheba Medical Center completó un ensayo de MedAware de dos años, que encontró que el 61% de los errores evitados ocurrieron cuando un medicamento previamente seguro se volvió peligroso para un paciente, debido a un cambio en su condición.

Alrededor del 39% de los errores evitados ocurrieron cuando los médicos ingresaron los pedidos de medicamentos, y los médicos de Sheba cambiaron sus recetas basándose en las notificaciones de MedAware la mayor parte del tiempo, 10 veces más frecuentemente que el estándar actual de otras herramientas de apoyo a la decisión clínica.

Hay un gran volumen de errores de medicación en la hospitalización“, dijo el jefe del departamento, Gadi Segal, quien encabezó el ensayo.

Realmente no sabemos el alcance, pero sabemos que gran parte es un error humano y que los medicamentos son potencialmente peligrosos“.

Segal dijo a “The Jerusalem Report” que MedAware “de hecho podría salvar vidas“.

De hecho, Stein fundó MedAware en 2012 después de leer sobre un error de medicación mortal en Israel, en el que un médico le recetó a un niño de 9 años un diluyente sanguíneo anticoagulante, que lo mató una semana después. El médico pretendía hacer clic en el medicamento por encima del que le recetó en el servicio de recetas electrónicas y no se dio cuenta de su error hasta que fue demasiado tarde.

No fue un mal juicio“, dijo Stein.

Fue un error tipográfico. Un médico puede hacer fácilmente un error tipográfico, pero los errores tipográficos pueden matar“.

Como científico informático y médico, Stein dijo: “No podría vivir conmigo mismo si algo así sucediera. Es simplemente impensable.

Entonces, me propuse tratar de resolver el problema“.

MedAware utiliza métodos de inteligencia artificial similares a los utilizados en el sector financiero para detener el fraude al identificar “valores atípicos” de una tendencia o práctica para reconocer transacciones sospechosas o erróneas. Stein dijo que cuando una persona posee y usa una tarjeta de crédito, el banco comienza a rastrear los patrones personales de gasto de la persona. Cuando se realiza una transacción no ordinaria, el banco recibe una alerta y puede ponerse en contacto con el propietario o suspender la tarjeta de crédito.

Estamos probando metodologías similares con datos de salud“, dijo Stein. “Los patrones de prescripción de miles de médicos que tratan a millones de pacientes se utilizan para determinar el espectro de tratamiento “normal”.

Es probable que una prescripción que se desvíe en gran medida de este espectro sea errónea“.

MedAware es diferente a otras tecnologías de soporte de medicamentos basadas en normas, que se han desarrollado para un rango limitado de apoyo a la toma de decisiones sobre medicamentos, como el control de alergias a medicamentos, las pautas de dosificación automatizadas y la identificación de las interacciones farmacológicas.

En contraste, el sistema de MedAware está totalmente personalizado, ya que sus respuestas se basan en los datos específicos de cada paciente. El sistema también es de autoaprendizaje sin un conjunto de reglas que limite los errores que puede capturar.

La mayoría de los sistemas actuales activan demasiadas falsas alarmas, hasta un 95%, dijo Stein, lo que hace que los médicos ignoren incluso las alarmas relevantes. La tasa de alerta falsa de MedAware está por debajo del 10%.

Le dice que no sería recomendable administrar un determinado medicamento porque no se adapta al perfil del paciente“, dijo Segal. “Solo el software de aprendizaje automático que conoce el perfil del paciente sabría decirme: ‘Oye, doctor, este es un error tipográfico, el medicamento equivocado o estás demasiado cansado; no puedes administrar insulina a un paciente que no tiene diabetes’”. La ola del futuro si bien la IA no es un campo nuevo en general, el primer programa de IA, el Teórico de la lógica, se desarrolló en 1955: solo en la última década su uso se generalizó.

Sin embargo, mientras AI se prendió rápidamente en las industrias de mercadotecnia, automóviles y finanzas, por ejemplo, el campo de la atención médica tardó en adoptar esta innovación.

La Dra. Ahuva Weiss-Meilik dijo al Report que la falta de cantidad y calidad de los datos mantenía la IA fuera del ámbito médico. Ahora, con el crecimiento de los datos clínicos, capturados eficazmente por los registros electrónicos de salud, los investigadores, los médicos y otro personal clínico pueden aprovechar estas herramientas.

Weiss-Meilik dirige el nuevo centro de Tel Aviv Sourasky Medical Center, que se centra en el desarrollo de modelos para aprovechar la IA en el espacio de trabajo clínico. Dijo que los modelos de AI “permiten a los médicos ver patrones u obtener información sobre los resultados clínicos de un paciente” en tiempo real o rápido.

Según Talma Hendler, profesora de psiquiatría y neurociencia en la Universidad de Tel Aviv y directora fundadora del Sagol Brain Institute en el hospital, con IA, un cálculo basado en datos clínicos que podría haber tomado un mes en el pasado “ahora se puede calcular en una hora”. Ella dijo que estas ideas mejorarán la atención y los resultados del paciente.

Un modelo predictivo podría decirnos que es probable que una persona enferma sea readmitida en el hospital dentro de una semana debido a esto o aquello“, dijo Weiss-Meilik. “O, digamos que un médico está vigilando a un feto. Puede ver fácilmente si el ritmo cardíaco del bebé antes de nacer se ha acelerado o desacelerado, pero es posible que no vea otros cambios más pequeños que parecen normales a un médico, pero que un modelo predictivo podría ser problemático.

Con el análisis predictivo, la fórmula puede advertirnos que cada vez que vea este patrón, habrá un evento médico X o Y“, dijo.

Hendler dijo que usar un aumento de la IA también permitirá un tratamiento médico más personalizado y brindará a los médicos la capacidad de ver a los pacientes de manera más integral. Si en el pasado, un paciente hubiera sido etiquetado como diabético o con una enfermedad cardíaca, “el aprendizaje automático agrupará las dolencias de un paciente y quizás ayude a desarrollar nuevas etiquetas más matizadas“.

Hendler cree que al igual que hoy a cada paciente que ingresa a una sala de emergencias se le realiza automáticamente un análisis de sangre, en el futuro alguna forma de prueba y consideración relacionadas con la IA se convertirá en una práctica estándar.

Los humanos aún requerían que Yuval Shahar, jefe del Centro de Investigación de Informática Médica de la Universidad Ben-Gurion del Neguev, dijera que si lo hacía a su manera, AI reduciría los que iban a la sala de emergencias.

El equipo de investigación de Shahar desarrolló MobiGuide, una solución móvil escalable, segura y accesible para diseñar, implementar y mantener los Sistemas de orientación al paciente (PGS) basados en guías clínicas y registros de salud personales. El sistema proporciona recomendaciones clínicas personalizadas basadas en la evidencia, aumenta el cumplimiento de los pacientes con las pautas y reduce los costos de atención médica.

Los sistemas tradicionales de apoyo a la toma de decisiones clínicas están dirigidos a los proveedores de atención y consideran que su función es brindar apoyo en la toma de decisiones en el punto de atención durante los encuentros médico-paciente. En contraste, MobiGuide interactúa tanto con el paciente como con su proveedor de atención, entregando recomendaciones relacionadas con la salud y permitiendo el acceso a sus datos de salud siempre que sea necesario, desde cualquier lugar, utilizando interfaces web y de teléfono inteligente. Los datos clínicos se obtienen utilizando dispositivos de control portátiles, incluso en los hogares de los pacientes.

Si una mujer embarazada tiene presión arterial alta, una prueba en el hogar la controlaría“, explicó Shahar. “Si la máquina nota un cambio en sus exámenes, podría enviarle una recomendación, como ‘Comience a controlar su presión arterial seis veces al día en lugar de tres’, o si tiene diabetes gestacional, puede pedirle que tome un examen prueba en casa para medir las cetonas en la orina“.

Si bien la paciente recibiría una serie de instrucciones, también se alertaría al médico de manera apropiada, como por ejemplo, “No puede dejarla en casa con sus medicamentos actuales“, como si se informara una arritmia cardíaca.

Shahar dijo que MobiGuide, coordinado junto con su colega de la Universidad de Haifa, el profesor Mor Peleg y 13 socios de cinco países europeos, ha estado funcionando durante cuatro años en Italia y España como parte de un proyecto de $ 7 millones financiado por la UE.

Este es el primer proyecto de IA que incluye el control y la gestión completamente automatizados y en circuito cerrado de pacientes crónicos, específicamente pacientes cardiacos con arritmias en Italia y mujeres embarazadas con diabetes gestacional o hipertensión en España.

La UE, al igual que la mayoría del mundo occidental, se enfrenta a una gran crisis con el 25% de su población que ingresa a la edad de jubilación, cuando se desarrollan la mayoría de los trastornos crónicos (diabetes, enfermedades del corazón, cáncer)“, dijo Shahar. “Esto le costará miles de millones al sistema, y no tendremos suficiente personal médico para tratar a todos los pacientes de manera efectiva. La solución es usar un sistema como MobiGuide para transferir el conocimiento de los médicos a las computadoras y proporcionar una medicina mucho más barata y probablemente mejor“.

Continuó: “Si necesita ir a una clínica, el sistema o su médico lo enviarían allí, pero en el 80 por ciento de las situaciones, la persona no necesita una clínica y puede manejar la situación en casa de acuerdo con un protocolo propio. El médico lo habría usado si hubieras ido a él.

MobiGuide también ayudará a difundir las mejores prácticas al permitir que los médicos ingresen hallazgos que luego se distribuirían automáticamente a cualquiera que use el sistema.

Lior Rokach, director del Departamento de Ingeniería de Sistemas de Información y Software de BGU, también está abordando nuevos proyectos de inteligencia artificial en la esfera médica.

Rokach recientemente trabajó con Asaf Achiron del Centro Médico Wolfson de Holon para desarrollar una base de datos de casi 20,000 pacientes de cirugía ocular con láser para construir un modelo predictivo que informaría a los médicos si dicha cirugía será efectiva en última instancia.

Hay una lista muy larga de parámetros médicos verificados en cada paciente antes de realizar la cirugía y sabemos los resultados“, explicó Rokach. “Aunque la cirugía es exitosa en casi todos los pacientes, un dos por ciento falla. La idea era averiguar si podemos predecir si va a fallar“.

Rokach pretende hacer que este modelo de predicción esté disponible en línea para que los médicos puedan verificar la probabilidad de éxito de sus pacientes y aconsejarlos de manera más efectiva.

Rokach dijo a Report que la mayor agitación en el campo médico de la IA será en radiología. En este momento, ML tiene capacidades de visión que pueden analizar tomografías computarizadas y rayos X de manera muy eficiente, a menudo mejor que un médico humano. Esto podría permitir a los pacientes obtener sus resultados en minutos.

Citó a la compañía Zebra Medical, con sede en Sehfayim, que trabaja con millones de imágenes y registros clínicos correlacionados para crear algoritmos de alto rendimiento que detecten automáticamente las afecciones médicas de forma más rápida y para numerosos hallazgos.

Rokach dijo que espera que Zebra y otros publiquen hallazgos e ideas automatizadas adicionales para ayudar a los radiólogos a brindar resultados más completos y precisos más rápido, sin comprometer la calidad de la atención. La tecnología debe permitir a los médicos identificar a los pacientes de alto riesgo antes y optimizar la priorización de la lista de trabajo para casos urgentes.

Muchas personas preguntan si la IA reemplazará a los médicos“, dijo Shahar. “No por al menos 50 años“.

Dijo que si bien las computadoras son más rápidas y pueden aprender más efectivamente de la gran cantidad de datos clínicos que se recopilan, con la misma frecuencia, hay casos fuera del “protocolo“. Por ejemplo, una computadora puede informar a un médico que podría haber una reacción adversa entre dos medicamentos.

¿Pero qué pasa si el paciente necesita ambas? Un médico debe decidir.

No creo que tales juicios de valor deban dejarse a las computadoras“, dijo.

Fuente: The Jerusalem Post / Reproducción autorizada con la mención siguiente: ©EnlaceJudíoMéxico