La Inteligencia Continua Impulsa Diagnósticos Rápidos y Precisos en Salud

La inteligencia continua (CI) está permitiendo enfoques innovadores en salud, dando a los clínicos capacidades de diagnóstico rápidas y más precisas.

Las organizaciones de salud están bendecidas con una riqueza de datos para evaluar condiciones de pacientes y prescribir un plan de tratamiento. Cada vez más, la capacidad de hacer diagnósticos más rápidos y precisos requiere inteligencia continua (CI) derivada del análisis en tiempo real de datos en streaming.

Dos factores están impulsando este cambio. Primero, las expectativas de los pacientes están cambiando. La calidad de la atención es cada vez más importante — a medida que los pacientes comienzan a ejercer su derecho a elegir cómo y con quién se comprometen para su atención médica. Exigen transparencia de datos y procesos. Consecuentemente, las organizaciones de salud necesitan enfocarse en cómo los resultados de calidad pueden lograrse de manera significativa para los pacientes.

Ver también: ¿IA Proporcionando Orientación de Salud Mental? No Tan Rápido, Dicen Psiquiatras

Al mismo tiempo, la salud está experimentando grandes cambios en virtud de la disponibilidad de nuevas fuentes de datos. Específicamente, está el auge de wearables de internet de las cosas (IoT) y dispositivos médicos conectados. A medida que las organizaciones de salud usan más dispositivos conectados, registros de salud electrónicos (EHRs) y visitas virtuales con pacientes, más y más datos están entrando.

Sin embargo, esos datos típicamente se sientan en silos y no mejoran la atención al paciente hasta que han sido revisados y archivados para uso futuro. Hacer avances requiere soluciones que puedan fácilmente hacer uso de las diferentes fuentes de datos y aplicar analítica en tiempo real a esos datos al vuelo.

Datos en Tiempo Real para Diagnóstico

Soluciones que superan los obstáculos de datos abren nuevas oportunidades. Por ejemplo, usar datos en streaming puede ayudar en 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.

Considera el siguiente escenario: Una mujer llama preocupada por la salud de su madre ya que recientemente ha tenido problemas con pérdida de memoria. La madre llama a la línea de triaje de enfermería de su clínica, donde su enfermera hace cinco preguntas para recopilar información para diagnóstico. Análisis de sentimiento se ejecuta en la comunicación de voz con la enfermera. La información derivada de ese análisis se combina con los datos de salud capturados del dispositivo wearable de la madre (que la enfermera puede ver en tiempo real). La enfermera entonces usa la información para determinar que la enfermedad de Alzheimer está dentro de un alto grado de probabilidad. Como resultado, esta interacción ayuda a la hija a determinar los próximos pasos para la atención médica de su madre.

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

Usar analítica en comunicaciones de voz para el diagnóstico temprano de ciertas condiciones médicas está cerca de la realidad de hoy. Por ejemplo, el Apple Watch ahora viene con una función de Electrocardiograma (EKG) — proporcionando a los usuarios información sobre su latido que puede ayudar a alertarlos a condiciones no diagnosticadas. Los datos en tiempo real proporcionados por wearables como el Apple Watch pueden servir como un primer paso en diagnosticar ciertas condiciones de salud y alertar a los pacientes a consultar con su proveedor cuando los datos significan que algo anda mal.

Combinando Analítica en Tiempo Real con IA

Usar analítica en tiempo real para diagnosticar condiciones está empujando el tratamiento médico a nuevos niveles. Aún más avanzadas son aplicaciones que usan analítica predictiva 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 haciendo HCA Healthcare en reducir la amenaza de muerte por sepsis.

La sepsis es una condición implacable que puede causar estragos en el cuerpo. A menudo se arrastra, como un ladrón en la noche, después de que la gente ya ha sido admitida en hospitales para tratar otras condiciones. Estalla como el cuerpo está combatiendo infección, desencadenada por un desequilibrio en los bioquímicos que el cuerpo está enviando al torrente sanguíneo para combatir la infección. Si la sepsis progresa a 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 Estados Unidos.

Típicamente, diagnosticar sepsis solo es posible basado en revisión manual de historiales de pacientes durante cambios de turno. El problema es que para cuando la sepsis se detecta de esta manera, puede ser demasiado tarde. "Cada hora de diagnóstico retrasado aumenta el riesgo de muerte en cuatro a siete por ciento", dice el Dr. Jonathan Perlin, presidente de servicios clínicos y director médico de salud en HCA Healthcare.

Este retraso no era aceptable. Un equipo de clínicos, científicos de datos y profesionales de tecnología se unieron para crear un sistema de analítica predictiva en tiempo real para detectar sepsis en pacientes más precisa y rápidamente.

El desafío era capturar los datos relacionados con condiciones pre-sepsis. Había mucho de eso generado por las más de 30 millones de interacciones anuales de pacientes cada año a través de 1,800 sitios de atención de la compañía de salud. Sin embargo, gran parte estaba en silos a través de sistemas y aplicaciones dispares.

La mayoría de infraestructuras de datos existentes no fueron diseñadas para inteligencia de negocio a gran escala y reporte. Lo que se necesita es una forma de recopilar, analizar y compartir datos en tiempo real de todas nuestras instalaciones para que se pueda tomar acción salvavidas rápidamente. Para abordar este desafío, el equipo creó un sistema de analítica predictiva en tiempo real llamado SPOT (Predicción de Sepsis y Optimización de Terapia).

Con SPOT, los clínicos pueden detectar sepsis en pacientes más precisa y rápidamente. La plataforma recopila y analiza datos clínicos — como ubicación del paciente, signos vitales, farmacia y datos de laboratorio — y señala a cuidadores en tiempo real para iniciar atención temprana de sepsis.

Con la herramienta SPOT, HCA Healthcare es capaz de mejorar la detección temprana. Los clínicos pueden detectar e identificar indicadores iniciales de sepsis hasta 20 horas antes que métodos de cribado tradicionales.

El Papel de la Analítica en la Detección Temprana de Fraude Médico

Más allá del diagnóstico, la analítica en tiempo real está siendo observada para otras aplicaciones de salud. Por ejemplo, uno de los mayores problemas en la industria de salud hoy es la cantidad de fraude médico que ocurre. En 2017, hubo $1.3 mil millones en facturaciones falsas, según la Oficina del Inspector General del Departamento de Salud y Servicios Humanos de EE. UU. La analítica puede jugar un papel significativo en detectar fraude médico así como ayudar en el diagnóstico temprano de condiciones médicas.

Imagina un centro de llamadas médicas usando tecnología de analítica de voz durante una llamada de un paciente que está intentando fraude médico. Con analítica incrustada en el software, banderas rojas en el tono de voz del paciente podrían ser identificadas. La persona manejando la llamada podría entonces ser alertada a la preocupación significada a través de la analítica, permitiéndoles investigar la situación a un nivel más profundo. La analítica podría un día jugar un papel clave en la detección temprana de fraude médico — alertando a organizaciones a fraude potencial tan temprano como el proceso de programación de citas.

El Verdadero Reto: Trabajar con Datos

En todos los esfuerzos, el desafío principal es cómo usar el gran número de fuentes de datos eficientemente. Una solución adecuada será capaz de:

Fusionar diferentes fuentes de datos continuamente: Los dispositivos médicos proporcionan displays visuales de signos vitales a través de streams fisiológicos como electrocardiograma (ECG), frecuencia cardíaca, saturación de oxígeno en sangre (SpO2) y frecuencia respiratoria. Iniciativas de registros de salud electrónicos alrededor del mundo crean más fuentes de datos médicos. Condiciones que amenazan la vida como infección nosocomial, neumotórax, hemorragia intraventricular y leucomalacia periventricular pueden ser detectadas usando analítica que fusiona diferentes fuentes de datos.

Entregar atención altamente personalizada: Detectar signos más temprano para mejorar resultados de pacientes y reducir duración de estancias. Descubrimiento de conocimiento automatizado o dirigido por clínicos para identificar nuevas relaciones entre eventos de streams de datos y condiciones médicas.

Apoyar tratamiento proactivo: Construir un perfil para cada paciente basado en streams de datos personalizados y recibir insights continuamente.

Conclusión

Simplemente puesto, el potencial en tiempo real para la analítica para aliviar una variedad de desafíos en la industria de salud hoy es enorme. Con todo el progreso que se ha hecho en la creación de nueva tecnología para catapultar la salud a la próxima generación de experiencia del paciente, es solo natural que el despliegue de analítica en tiempo real para diagnóstico médico temprano, fraude médico y otras aplicaciones seguirá.