CI permite nuevas capacidades de diagnóstico de atención médica

La inteligencia continua (CI) está permitiendo enfoques innovadores para la atención médica, brindando a los médicos capacidades de diagnóstico más rápidas y precisas.

Las organizaciones de atención médica cuentan con una gran cantidad de datos para evaluar las condiciones de los pacientes y prescribir un plan de tratamiento. Cada vez más, la capacidad de realizar diagnósticos más rápidos y precisos requiere inteligencia continua (CI) derivada del análisis en tiempo real de la transmisión de datos.

Dos factores están impulsando este cambio. En primer lugar, las expectativas de los pacientes están cambiando. La calidad de la atención es cada vez más importante, ya que los pacientes comienzan a ejercer su derecho a elegir cómo y con quién se involucran para su atención médica. Exigen transparencia de datos y procesos. En consecuencia, las organizaciones de atención médica deben centrarse en cómo se pueden lograr resultados de calidad de manera significativa para los pacientes.

Ver también: ¿La IA proporciona orientación sobre salud mental? No tan rápido, dicen los psiquiatras

Al mismo tiempo, la sanidad está experimentando grandes cambios en virtud de la disponibilidad de nuevas fuentes de datos. Específicamente, está el auge de los dispositivos portátiles y dispositivos médicos conectados de Internet de las cosas (IoT). A medida que las organizaciones de atención de la salud utilizan más dispositivos conectados, registros médicos electrónicos (EHR) y visitas virtuales con los pacientes, se reciben cada vez más datos.

Sin embargo, esos datos generalmente se almacenan en silos y no mejoran la atención al paciente hasta que se revisan y archivan para su uso en el futuro. Hacer avances requiere soluciones que puedan hacer uso fácilmente de las diferentes fuentes de datos y aplicar análisis en tiempo real a esos datos sobre la marcha.

Datos en tiempo real para diagnóstico

Las soluciones que superan los obstáculos de datos abren nuevas oportunidades. Por ejemplo, el uso de transmisión de datos puede ayudar en el diagnóstico temprano de una variedad de condiciones de salud en muchas áreas. Un ejemplo es la aplicación de comunicaciones de voz para diagnosticar condiciones médicas.

Considere el siguiente escenario:una mujer llama preocupada por la salud de su madre, ya que recientemente ha tenido problemas con la pérdida de memoria. La madre llama a la línea de triaje de enfermeras de su clínica, donde su enfermera hace cinco preguntas para recopilar información para el diagnóstico. El análisis de sentimientos se ejecuta en la comunicación de voz con la enfermera. La información derivada de ese análisis se combina con los datos de salud capturados desde el dispositivo portátil de la madre (que la enfermera puede ver en tiempo real). Luego, la enfermera usa la información para determinar que la enfermedad de Alzheimer se encuentra dentro de un alto grado de probabilidad. Como resultado, esta interacción ayuda a la hija a determinar los próximos pasos para el cuidado de la salud de su madre.

Con una plétora de dispositivos conectados disponibles en la actualidad, algo tan simple como el uso de comunicaciones de voz para diagnosticar (o determinar la probabilidad de diagnóstico) es el bot médico definitivo.

El uso de análisis en las comunicaciones de voz para el diagnóstico temprano de ciertas condiciones médicas está cerca de la realidad actual. Por ejemplo, el Apple Watch ahora viene con una función de electrocardiograma (EKG), que brinda a los usuarios información sobre los latidos de su corazón que puede ayudarlos a alertarlos sobre condiciones no diagnosticadas. Los datos en tiempo real proporcionados por dispositivos portátiles como Apple Watch pueden servir como un primer paso para diagnosticar ciertas condiciones de salud y alertar a los pacientes para que consulten con su proveedor cuando los datos indiquen que algo anda mal.

Combinar análisis en tiempo real con IA

El uso de análisis en tiempo real para diagnosticar condiciones está impulsando el tratamiento médico a nuevos niveles. Aún más avanzadas son las aplicaciones que utilizan análisis predictivos e inteligencia artificial (IA) para prevenir el brote de una enfermedad o condición.

Un ejemplo de la aplicación de esta tecnología preventiva es el trabajo que está realizando HCAHealthcare para reducir la amenaza de muerte por sepsis.

La sepsis es una condición implacable que puede causar estragos en el cuerpo. A menudo aparece sigilosamente, como un ladrón en la noche, después de que las personas ya están ingresadas en hospitales para tratar otras afecciones. Brota cuando el cuerpo lucha contra la infección, provocado por un desequilibrio en los mismos bioquímicos que el cuerpo envía al torrente sanguíneo para combatir la infección. Si la sepsis progresa a un shock séptico, los órganos se dañan y la presión arterial cae, una situación potencialmente mortal. La sepsis es responsable de 270 000 muertes por año solo en los Estados Unidos.

Por lo general, el diagnóstico de sepsis solo es posible en base a la revisión manual de las historias clínicas de los pacientes durante los cambios de turno. El problema es que cuando se detecta la sepsis de esta manera, puede ser demasiado tarde. “Cada hora de retraso en el diagnóstico aumenta el riesgo de muerte entre un cuatro y un siete por ciento”, dice el Dr. Jonathan Perlin, presidente de servicios clínicos y director médico de atención médica de HCA Healthcare.

Este retraso no era aceptable. Un equipo de médicos, científicos de datos y profesionales de la tecnología se unieron para crear un sistema de análisis predictivo en tiempo real para detectar con mayor precisión y rapidez a los pacientes hospitalizados con sepsis.

El desafío fue capturar los datos relacionados con las condiciones previas a la sepsis. Hubo mucho generado por las más de 30 millones de interacciones anuales de pacientes de la compañía de atención médica cada año en 1800 sitios de atención. Sin embargo, gran parte se aisló en sistemas y aplicaciones dispares.

La mayoría de las infraestructuras de datos existentes no fueron diseñadas para informes e inteligencia comercial a gran escala. Lo que se necesita es una forma de recopilar, analizar y compartir datos en tiempo real de todas nuestras instalaciones para que se puedan tomar rápidamente medidas para salvar vidas. Para abordar este desafío, el equipo creó un sistema de análisis predictivo en tiempo real llamado SPOT (Predicción de sepsis y optimización de la terapia).

Con SPOT, los médicos pueden detectar la sepsis en los pacientes con mayor precisión y rapidez. La plataforma recopila y analiza datos clínicos, como la ubicación del paciente, los signos vitales, la farmacia y los datos de laboratorio, e indica a los cuidadores en tiempo real que inicien la atención temprana de la sepsis.

Con la herramienta SPOT, HCA Healthcare puede mejorar la detección temprana. Los médicos pueden detectar e identificar indicadores iniciales de sepsis hasta 20 horas antes que los métodos de detección tradicionales.

El papel de la analítica en la detección temprana del fraude médico

Más allá del diagnóstico, el análisis en tiempo real está en el punto de mira para otras aplicaciones de atención médica. Por ejemplo, uno de los principales problemas en la industria de la salud hoy en día es la cantidad de fraude médico que ocurre. En 2017, hubo $1.3 mil millones en facturas falsas, según la Oficina del Inspector General del Departamento de Salud y Servicios Humanos de EE. UU. Los análisis pueden desempeñar un papel importante en la detección de fraudes médicos, así como ayudar en el diagnóstico temprano de condiciones médicas.

Imagine un centro de llamadas médicas que utiliza tecnología de análisis de voz durante una llamada de un paciente que intenta realizar un fraude médico. Con análisis integrados en el software, se pueden identificar las señales de alerta en el tono de voz del paciente. La persona que atiende la llamada podría entonces ser alertada de la inquietud expresada a través del análisis, lo que le permitiría investigar la situación a un nivel más profundo. Algún día, los análisis podrían desempeñar un papel clave en la detección temprana de fraudes médicos, alertando a las organizaciones sobre posibles fraudes tan pronto como el proceso de programación de citas.

El verdadero desafío:trabajar con datos

En todos los esfuerzos, el principal desafío es cómo utilizar la gran cantidad de fuentes de datos de manera eficiente. Una solución adecuada será capaz de:

Fusionar diferentes fuentes de datos continuamente: Los dispositivos médicos proporcionan pantallas visuales de signos vitales a través de flujos fisiológicos, como un electrocardiograma (ECG), frecuencia cardíaca, saturación de oxígeno en sangre (SpO2) y frecuencia respiratoria. Las iniciativas de historias clínicas electrónicas en todo el mundo crean más fuentes de datos médicos. Las condiciones potencialmente mortales, como la infección nosocomial, el neumotórax, la hemorragia intraventricular y la leucomalacia periventricular, se pueden detectar mediante análisis que fusionan diferentes fuentes de datos.

Proporcione atención altamente personalizada: Detecte los signos antes para mejorar los resultados de los pacientes y reducir la duración de las estancias. Descubrimiento de conocimiento automatizado o impulsado por médicos para identificar nuevas relaciones entre eventos de flujo de datos y condiciones médicas.

Apoyar el tratamiento proactivo: Cree un perfil para cada paciente basado en flujos de datos personalizados y reciba información de forma continua

Conclusión

En pocas palabras, el potencial en tiempo real de los análisis para aliviar una variedad de desafíos en la industria de la salud hoy en día es enorme. Con todo el progreso que se ha logrado en la creación de nueva tecnología para catapultar la atención médica a la próxima generación de experiencia del paciente, es natural que siga el despliegue de análisis en tiempo real para el diagnóstico médico temprano, el fraude médico y otras aplicaciones. .