>
"Sepsis e IA: Un enfoque centrado en resultados que salva vidas"
Dra. Luciana Rubin
El experto en salud digital comparte los secretos detrás del éxito de su último estudio, destacando la importancia de los procesos clínicos en la implementación de algoritmos AI y la gobernanza efectiva para resultados tangibles.
Con una sólida formación en medicina e informática, el Dr. Christopher Longhurst es conocido por liderar iniciativas innovadoras que impulsan un cambio positivo en el panorama de la atención médica digital, ayudando en última instancia a mejorar la experiencia y los resultados para los pacientes.
Actualmente, se desempeña como Director Médico y Director Digital en la Salud de la Universidad de California San Diego. Entre sus muchas responsabilidades está supervisar las tecnologías de la información, incluidos los registros médicos electrónicos y todo el trabajo relacionado con la inteligencia artificial. Apasionado por transformar la atención médica a través de la innovación, el Dr. Longhurst también es el líder visionario al frente del Centro de Innovación en Salud Joan & Irwin Jacobs en la Salud de UC San Diego. El Centro se enfoca en la adaptación, desarrollo e implementación de tecnologías de salud transformadoras, desde dispositivos portátiles hasta sensores, aplicaciones móviles, nuevos modelos de servicios de salud innovadores impulsados por la IA, y más.
En sus roles actuales, ha promovido la adopción de varias aplicaciones de salud digital, y continúa liderando iniciativas que aprovechan la tecnología para mejorar la atención al paciente, optimizar procesos y mejorar los resultados. Al promover innovaciones digitales como la telemedicina, el monitoreo remoto y el análisis predictivo, se compromete a ayudar a transformar la forma en que se brinda la atención médica. Como defensor de la salud digital a una escala más amplia, el Dr. Longhurst ha contribuido con su experiencia en foros industriales, colaborado con legisladores para dar forma a la legislación en materia de salud y dio mentoría a líderes emergentes en el campo de la salud digital.
A principios de este año, el Dr. Longhurst fue coautor de un estudio que utilizó un modelo de inteligencia artificial en los departamentos de emergencia de la Salud de UC San Diego para la rápida identificación de los pacientes en riesgo de infección por sepsis. Es el primer estudio que informa mejoras en los resultados de los pacientes mediante la utilización de un modelo de aprendizaje profundo de inteligencia artificial. Este estudio en particular inspiró la siguiente entrevista realizada para Innova Salud Digital por la Dra. Luciana Rubin.
Luciana Rubin: ¿Qué los llevó a investigar sobre sepsis e inteligencia artificial?
Chris Longhurst: En Estados Unidos, la sepsis impacta en casi 2 millones de adultos y mata 350.000 por año. Se han publicado varios artículos sobre sepsis e inteligencia artificial pero muy pocos estuvieron centrados en la obtención de resultados. Le hemos estado dando a los científicos informáticos datasets enormes para que elaboren sistemas de machine learning con los que predecir cosas, pero sin pensar en la construcción de un flujo de trabajo que al mismo tiempo impacte en el aspecto sanitario.
Por eso estuvimos encantados con los resultados del artículo que publicamos en enero, dirigido por el Dr. Gabe Wardi y Shamim Nemati, porque pudimos demostrar una reducción en la mortalidad en nuestro Departamento de Emergencias a partir del duro trabajo que le dedicamos a lo que queda por fuera del algoritmo: los procesos y los flujos de trabajo.
No queríamos un algoritmo perfecto con 100% de capacidad de predicción que solo se adelantara tres horas al tiempo de diagnóstico que podría tardar un médico, porque hay muchísima información que indica que si se demora tanto tiempo es porque está utilizando información clínica sospechosa. Fuimos muy cuidadosos en optimizar el sistema de forma tal que tenga un menor porcentaje de predicciones pero que pudiese dar resultados 12 horas antes, haciendo la diferencia en el contexto clínico que acompaña al algoritmo.
La editorial que se publicó sobre nuestro algoritmo, titulada “Integrating AI into healthcare systems, more than just the algorithm” (Integrar IA al sistema de salud es más que solo un algoritmo), hizo énfasis sobre el trabajo que hicimos al respecto sobre el contexto clínico, el monitoreo y más cuestiones relacionadas que demostraban que es mucho más que solo un algoritmo; es toda una realidad que tiene que contemplar inclusive las cuestiones más básicas del soporte a la decisión clínica como las decisiones a tiempo, las personas correctas, el lugar correcto, etc.
Es así que tenemos que enfocarnos en los resultados y no en la capacidad de predicción de los algoritmos. Creo que esa es la lección que debemos llevarnos mientras entramos en esta era de la Inteligencia Artificial. En la actualidad hay muchas discusiones sobre regular las IA en los Estados Unidos, nosotros creemos que esas regulaciones tienen que estar centradas en los resultados y que solo las herramientas de IA que hayan producido diferencias clínicas importantes sean puestas en el mercado. Por ese motivo hemos fundado el Jacob Center for Health Innovation, para centrarnos en la innovación con impacto a escala.
Como decís, no es sencillo ver impacto clínico en las cosas que hacen los CDSS y las IA. Es realmente difícil, inclusive en algoritmos como los de injuria renal aguda, que deberían bajar la mortalidad, pero esto no sucede. Entonces, en línea con lo que me decís, ¿qué pensás de la gobernanza relacionada con el éxito de este proyecto?
CL: La gobernanza local ayudó, en primer lugar, porque aseguró que (en un primer momento) todas las alertas de la Inteligencia Artificial corran silenciosamente, en segundo plano, antes inclusive de tocar a los pacientes. El comité de IA solicita esa información acerca de su eficacia previo a su puesta en funcionamiento.
En segundo término, esa gobernanza asegura que el monitoreo continúe inclusive en producción, que no sea un “ya fue testeada, pónganla a funcionar” sino que se trate de un proceso de monitoreo continuo. Sé que estás familiarizada con esto, los comités de soporte a la decisión clínica deberían encargarse no solo de solicitudes nuevas, sino también de las existentes y sus resultados. ¿Quién está cliqueando en qué?, ¿qué está haciendo la diferencia?, etc.
Finalmente, respaldamos el anuncio de la Casa Blanca sobre los principios de la Inteligencia Artificial y, de hecho, lo hemos compartido públicamente. Nuestros principios van en esa línea; la IA debería ser justa, equitativa, apropiada, ética, validada, precisa, efectiva, oficial, segura, privada, transparente y responsable.
Mencionaste un comité, ¿de qué se trata?
Yo formé ese comité y lo codirijo con uno de nuestros líderes médicos, el director de Informática Médica. También cuenta con un especialista en ética, que es muy importante, con investigadores en equidad, tecnólogos y otros especialistas. Es un comité multidisciplinario.
¿Y ellos evalúan cada proyecto de IA que se integra a su HCE?
Sí, es correcto.
Decidieron que sean enfermeras/os los que entreguen la información de los CDSS, ¿por qué?
Porque los doctores no le hacen caso a las intervenciones del sistema (risas).
Aunque también porque las enfermeras y enfermeros son los que están en contacto constante con la historia clínica. Por ejemplo, el médico dentro del quirófano no está manejando directamente esa información, pero la enfermera/enfermero sí. En ese caso, la notificación será más oportuna si la reciben ellos. Además, los enfermeros y enfermeras pueden, bajo protocolo, solicitar estudios adicionales, etc.
Nuestro departamento de enfermería es entrenado en el uso del sistema regularmente dentro de nuestro hospital, reciben educación de forma continua. Eso está contemplado dentro del proceso.
¿Cuáles crees que fueron los elementos, o el elemento, clave para la adopción de CDSS?
Creo que, en definitiva, lo que mencioné anteriormente, que el algoritmo se diseñó para ayudar a que los clínicos pudieran identificar la sepsis antes de lo que podrían ellos. Inclusive sin ser tan preciso, pero a una velocidad que lo hace realmente útil en el momento necesario, para tomar una decisión que influya en el resultado final.
Y en segundo lugar me parece importante todo el contexto y flujo de trabajo. El hecho de que las alertas se disparan a las enfermeras y al equipo, que las enfermeras pudieran ordenar los estudios que hicieran falta, que llevamos a cabo procesos educativos, todo eso se unió para ayudar a respaldar el proceso del algoritmo de IA.
¿La idea de contar con una herramienta para sepsis en su HCE fue una necesidad que identificaron en los usuarios finales o fue una idea que surgió desde el departamento de informática?
El Dr. Gabe Wardi es el director médico del tratamiento de sepsis, él dirige el Comité de Sepsis y trabaja en Emergentología y la Unidad de Cuidados Intensivos, luego está el doctor en Data Science, Shamim Nemati, de Informática Biomédica, que hace la investigación de IA para sepsis.
En un momento hablé con ellos y les dije que necesitaba que se hicieran amigos porque Gabe estaba haciendo todo lo posible para mejorar el cuidado de la sepsis con las herramientas que teníamos disponibles, pero quería que tuviera mejores herramientas. Fue así que se volvieron amigos y Shamin, que había estado investigando durante 6 años ese rubro, aprendió más en 6 meses de trabajo en conjunto que en todo ese período previo. Porque al empezar a juntarse con el Comité de Sepsis pudo comprender, de primera mano, el contexto clínico. En ese caso, tener a un científico de datos trabajando con el director del Comité de Sepsis, quien a su vez se enfocó en que el algoritmo estuviera en orden, fue lo que hizo que este proyecto funcione y que obtuviéramos los resultados que estábamos buscando (mejorar el tratamiento de la sepsis, que el algoritmo estuviera validado) que se terminaron publicando en el artículo.
¿Están satisfechos con el nivel de aceptación y la tasa de rechazo de alertas?
Bajamos el nivel de mortalidad, así que se puede decir que estoy satisfecho. Sí, incluso si 19 de 20 alertas son denegadas.
Si esa alerta está asociada con el impacto clínico, entonces eso eclipsa todo. Ahora, si el ratio fuese 1 millón a uno, entonces no haría la diferencia. Hay muchos momentos en los que se debe medir la tasa de anulación de alertas para identificar aquellas que no están haciendo la diferencia, pero fundamentalmente hay que mirar los resultados.
¿Planean implementar el algoritmo por fuera del Departamento de Emergencias?
Si existe la oportunidad, sí. Aunque estamos recalibrando el algoritmo por las diferencias entre poblaciones. Por ejemplo, la sepsis obstétrica es diferente, por lo que trabajamos en la creación de un algoritmo específico. Lo mismo ocurre con la sepsis postoperatoria, que también es diferente. Por eso estamos entrenando al algoritmo para que sepa diferenciar entre la inflamación típica de un paciente que está atravesando su postoperatorio y una potencial sepsis.
¿Cuáles crees que son los siguientes desafíos en la creación de nuevos CDSS en su institución? ¿Tienen otras IA en funcionamiento?
Tenemos alrededor de 20 algoritmos de IA distintos implementados. Usamos LLMs que ayudan a responder preguntas de los pacientes; IA para predecir cantidad de pacientes internados para poder tomar decisiones en cuanto a ocupación y otra IA que brinda soporte a la facturación de ingresos. Es decir, estamos en una constante mejora y monitoreo de nuestro repertorio.
Creo que lo más complicado es que hoy en día hay Inteligencia Artificial para todo. Todo se puede predecir, pero habría que preguntarse si usar esa IA satisface algún tipo de necesidad. Primero hay que pensar en qué o dónde buscamos impactar, para eso es necesario evaluar previamente los flujos de trabajo y considerar con antelación cuáles son los resultados que estamos buscando.
En este monitoreo constante, ¿tienen un cuidado especial con el sesgo de la Inteligencia Artificial?
Nos aseguramos de que nuestros algoritmos sean equitativos, es uno de nuestros principios. Tenemos una forma estructurada de búsqueda de sesgos que contempla las características relacionadas más importantes
Papers académicos referidos:
"Impact of a deep learning sepsis prediction model on quality of care and survival"
"Integrating artificial intelligence into healthcare systems: more than just the algorithm"