Povisa utiliza intelixencia artificial para predicir que pacientes COVID-19 requirirán ingreso en UCI

Ribera Salud, grupo empresarial sanitario ao que pertence Povisa, xunto á súa división tecnolóxica futurs, puxo en marcha un modelo preditivo, baseado en Intelixencia Artificial, que analiza e procesa variables de cada paciente para predicir a súa evolución, en base a datos obxectivos analizados por Microsoft Azure e as súas ferramentas de Machine Learning.

Esta iniciativa comezou fai tres anos grazas ao traballo en equipo entre Ribera Salud, futurs e Microsoft. O grupo sanitario, máis aló de iniciar un salto tecnolóxico e modernizar a aplicación, tiña como obxectivo mellorar a calidade asistencial dos pacientes, actuando de forma preventiva grazas ás predicións sobre o posible empeoramento clínico dos pacientes como no caso da COVID.

Á hora de deseñar o proxecto, Ribera Salud tíñao moi claro: necesitaban unha ferramenta que, a través de datos de alta calidade, posibilitase variables de interese na historia clínica do paciente e axudase de forma proactiva a previr situacións adversas evitables. Por iso, optaron pola tecnoloxía Microsoft, que lles facilitou o crecemento do modelo, así como o rápido desenvolvemento deste e unha implantación fácil para o uso clínico por parte dos profesionais.

A tecnoloxía é algo que xa está dispoñible, pero o que resultou clave para o éxito destes proxectos foi o enfoque multidisciplinar incluíndo dentro dun mesmo equipo a profesionais sanitarios e tecnólogos. Na súa xénese foron iniciativas cun grao de incerteza moi alto, concibidas inicialmente como proxectos de investigación, onde Azure Machine Learning ofreceunos a flexibilidade necesaria para poder iterar o desenvolvemento dos modelos preditivos nun sector tan complexo e sensible como o sanitario.

“Empezamos a predicir determinados efectos adversos utilizando técnicas de Machine Learning e incluíndo este tipo de predicións dentro da operativa e práctica asistencial do día a día”, explica Mireia Ladios, xefa corporativa de Calidade de Ribera Salud. “Buscabamos que, a pé de cama, cunha tablet, a enfermeira que estaba a ver ao paciente e que podía tomar as medidas nese momento, aproveitásese desa predición e puidese actuar en consecuencia”.

Un modelo referente na xestión do cambio do sector sanitario

Este modelo revolucionario construíuse en base a unha selección de variables clínicas, fixadas polos profesionais sanitarios onde o exhaustivo control, recollida e análise de datos dos pacientes son a base para a súa creación, brindándolle ao clínico a oportunidade de revisar e axustar o plan terapéutico antes de que o paciente empeore máis.

Esta ferramenta, apoiada en Intelixencia Artificial e, máis concretamente, en Machine Learning, permitiu a Ribera Salud ter un maior control dos riscos dos pacientes sen incorrer nunha maior carga de traballo para os profesionais sanitarios. É por iso polo que este modelo facilita o que se coñece como o “Right Care, Right Now”, é dicir, proporcionar os coidados adecuados no momento correcto para alcanzar os resultados óptimos para o paciente.

“O resultado do modelo obtense automaticamente varias veces ao día, insérese directamente nun espazo acordado cos propios profesionais dentro da historia clínica. Isto fai que os profesionais o perciban como un input natural e non como algo externo, e que utilicen esa información para poder atender aos pacientes a pé de cama. Se esa información tivese que obterse e analizarse por mecanismos tradicionais, sería moi custoso en tempo e recursos”, sinalan desde Ribera Salud.

No último ano, este modelo -apoiado na nube de Microsoft e as ferramentas de Azure Machine Learning- contribuíu a reducir o número de pacientes que desenvolveron unha UPP (úlceras por presión) en UCI, ata un 19% (un 11% de incidencia acumulada).

Ferramenta clave para o presente e futuro da COVID-19

Grazas a estes resultados, Ribera Salud puxo en marcha un novo modelo para predicir especificamente o empeoramento clínico dos pacientes COVID-19 hospitalizados. Este modelo creouse con dous obxectivos moi claros: brindar ao clínico a oportunidade de reaxustar o plan terapéutico ante unha mala evolución; e apoiar ao xestor na toma de decisións respecto á necesidade potencial de recursos escasos. A súa aplicación podería converterse nunha peza crave para afrontar eficazmente posibles rebrotes no futuro.

“A detección temperá do empeoramento clínico supón un elemento diferenciador de calidade, nunha contorna de alta esixencia como a actual pandemia de coronavirus”, afirma Mireia Ladios, xefa corporativa de Calidade de Ribera Salud. “O exhaustivo control, recollida e análise de datos dos pacientes é a base para a creación deste modelo preditivo, que permite xerar alertas sobre a evolución do paciente, brindando ao persoal sanitario a información que necesitan para revisar e axustar o plan terapéutico antes de que o paciente empeore máis”.

Ribera Salud, apoiado pola tecnoloxía de Intelixencia Artificial, e como parte do seu compromiso coa sociedade, vai seguir desenvolvendo e monitorando novos modelos que axuden á investigación e a transformación do sector sanitario de fronte ao futuro.