Según una nueva investigación de Stanford Medicine, un algoritmo de IA puede ayudar a los médicos a tomar mejores decisiones clínicas para los recién nacidos enfermos, reducir los errores médicos y mejorar la atención en entornos de bajos recursos.
La inteligencia artificial puede mejorar la nutrición intravenosa para bebés prematuros, según un estudio de Stanford Medicine. El estudio, que publicó el 25 de marzo en Medicina de la Naturalezaéste es uno de los primeros en demostrar cómo un algoritmo de IA puede permitir a los médicos tomar mejores decisiones clínicas para los recién nacidos enfermos.
El algoritmo utiliza información en los registros médicos electrónicos de preemies’ para predecir qué nutrientes necesitan y en qué cantidades. La herramienta de IA se capacitó sobre datos de casi 80,000 recetas anteriores de nutrición intravenosa, que se relacionó con información sobre cómo les fue a los pequeños pacientes.
El uso de la IA para ayudar a prescribir la nutrición IV podría reducir los errores médicos, ahorrar tiempo y dinero, y facilitar el cuidado de los bebés prematuros en entornos de bajos recursos, dijeron los investigadores. la nutrición IV, también conocida como nutrición parenteral total, es la única forma de alimentar a los bebés prematuros que nacen antes de que sus sistemas digestivos estén lo suficientemente maduros como para absorber los nutrientes.
“En este momento, se nos ocurre una receta de TPN para cada bebé, individualmente, todos los días. Lo hacemos desde cero y se lo proporcionamos,” dijo el autor principal del estudio Aghaeepour Nima, PhD, profesor asociado de anestesiología, medicina perioperatoria y del dolor y de pediatría. “La nutrición parenteral total es la mayor fuente de error médico en las unidades de cuidados intensivos neonatales, tanto en los Estados Unidos como a nivel mundial
No solo es propenso a errores del proceso, sino que también dificulta que los médicos sepan si han obtenido la fórmula correcta. No hay análisis de sangre para medir si un bebé prematuro recibió la cantidad correcta de calorías cada día, por ejemplo, y a diferencia de los bebés a término, los bebés prematuros no necesariamente lloran cuando tienen hambre y muestran satisfacción cuando están llenos.
“Nutrición es una de las áreas de cuidados intensivos neonatales donde somos más débiles,” dijo el coautor del estudio David Stevenson, MD, un neonatólogo y el Harold K. Faber Profesor en Pediatría.
“Podemos aproximarnos a lo que está haciendo la placenta,”, dijo.
Un proceso lento
Alrededor del 10% de los bebés nacen prematuramente, lo que significa que al menos tres semanas antes de sus fechas de parto. Los bebés nacidos más de ocho semanas antes no están listos para absorber los nutrientes a través de sus intestinos y requieren alimentación IV. Además, algunos bebés prematuros experimentan complicaciones gastrointestinales del parto prematuro y necesitan nutrición IV mientras el intestino se cura.
En la actualidad, la nutrición IV se prescribe diariamente para estos pacientes de forma individual. Los pacientes necesitan macronutrientes, los componentes moleculares de proteínas, grasas y carbohidratos; micronutrientes como vitaminas, minerales y electrolitos; y medicamentos como la heparina, que se agrega a la preparación IV para reducir el riesgo de coágulos sanguíneos. Las recetas actuales se basan en factores como el peso de los bebés, la etapa de desarrollo y los resultados de su trabajo de laboratorio.
Proporcionar estas recetas requiere el aporte de seis expertos que trabajan juntos durante un proceso de varias horas: Un neonatólogo o farmacéutico escribe cada receta, que es revisada por un dietista para la composición de nutrientes y por un segundo farmacéutico para la seguridad. La prescripción va a una farmacia de compuestos, donde se prepara, luego a la unidad de cuidados intensivos neonatales, donde una enfermera le da al IV y una segunda enfermera verifica dos veces que cada paciente recibe la preparación correcta.
“Es un medicamento de alto riesgo porque es una mezcla de muchas cosas diferentes,” dijo el coautor del estudio Gaskari Shabnam, PharmD, director ejecutivo y director de farmacia de Stanford Medicine Childrenios Health. “Si hubiéramos fabricado TPN listos para usar, eso sería muy beneficioso. Creo que sería más seguro para los pacientes.”
Hacia fórmulas estándar
Los investigadores se preguntaron si podrían usar IA para ayudar a proporcionar a los hospitales fórmulas de nutrientes fabricadas y listas para usar.
Su algoritmo de IA fue entrenado en 10 años de datos de registros médicos electrónicos de la unidad de cuidados intensivos neonatales en el Hospital Pediátrico Lucile Packard Stanford, incluyendo 79,790 recetas de nutrición IV de 5,913 pacientes prematuros. El algoritmo también tuvo acceso a información sobre los resultados médicos de patients’, lo que le permitió encontrar patrones sutiles que conectaban los niveles de nutrientes con la salud de baby’. Aunque los médicos no siempre habían obtenido cada receta previa exactamente correcta, el volumen de datos ayudó a superar ese problema, lo que permitió al algoritmo aprender de manera general sobre lo que funciona para los bebés en diferentes situaciones médicas.
Esto refleja nuestra esperanza de cómo la IA mejorará la medicina: Lo que va a hacer es mejorar a los médicos y hacer que la atención de primer nivel sea más accesible.”David Stevenson, MDEl Harold K. Faber Profesor en Pediatría
“Esta es una fortaleza de la IA: A veces los datos imperfectos son lo suficientemente buenos siempre que tengas muchos, dijo Aghaeepour.
Después de entrenar en la década de los datos de los pacientes, el algoritmo agrupó recetas de nutrientes similares para determinar cuántas fórmulas estándar satisfacerían todas las necesidades nutricionales de los pacientes y qué incluiría cada una.
“Nos preguntamos: Qué pasa si hacemos tres fórmulas estándar, o 10, o 100?” Aghaeepour dijo. “Resulta que con 15 fórmulas distintas para la nutrición IV, lo que está recomendando es bastante similar a lo que los médicos, farmacéuticos y dietistas habrían hecho de todos modos. Pero luego estas 15 fórmulas basadas en IA se pueden usar para mejorar significativamente la velocidad y la seguridad.”
Además, los investigadores demostraron que el algoritmo de IA podría usar datos de los registros médicos electrónicos de patients’ para predecir cuál de las 15 fórmulas podría necesitar cada bebé, y podría ajustar las recomendaciones cada día, a medida que los pacientes crecían y su condición médica cambiaba. Entonces, el algoritmo podría recomendar que un bebé específico necesitara la fórmula No. 8 durante cinco días, luego la fórmula No. 3 durante una semana, luego la fórmula No. 14 durante unos días, y así sucesivamente.
Para probar cómo este enfoque se compilaría con las recetas reales, el equipo de investigación creó una prueba para 10 neonatólogos: A los médicos se les mostró información clínica para pacientes anteriores, junto con las recetas de nutrición IV que realmente habían recibido y las recetas que recomendaría el algoritmo. A los médicos no se les dijo qué receta era cuál; se les preguntó cuál creían que era mejor. Los médicos prefirieron consistentemente las recetas generadas por IA a las recetas reales.
Los investigadores también utilizaron IA para escanear los registros médicos electrónicos de pacientes anteriores, buscando casos en los que la receta nutricional real del paciente fuera bastante diferente de lo que la IA hubiera recomendado. Para esos pacientes, el riesgo de mortalidad, sepsis y enfermedad intestinal fue significativamente mayor que para los pacientes cuyas recetas coincidían con lo que la IA habría recomendado, encontraron.
El equipo también validó el modelo de IA utilizando datos reales de la Universidad de California en San Francisco (incluidas 63,273 recetas de nutrición de 3,417 pacientes) y descubrió que el modelo también hizo un buen trabajo al predecir las necesidades de nutrientes para esta población.
Pasos para la implementación
El siguiente paso será realizar un ensayo clínico aleatorizado en el que algunos pacientes reciban recetas de nutrientes utilizando el método manual, otros reciban recetas recomendadas por AI y los investigadores vean cómo les va a cada grupo.
Suponiendo que se implemente el sistema, el equipo planea que los médicos y farmacéuticos continúen verificando las recomendaciones de IA y ajusten las recetas si es necesario.
“La recomendación de IA se basa en cualquier información que se haya agregado al registro médico electrónico de un paciente, por lo que si falta algo en el registro, la recomendación no será precisa, dijo ” Gaskari. “Necesitamos un médico para mirarlo y revisar.”
Pero una vez que la receta tenga aprobación médica, una de las 15 fórmulas de nutrientes estándar, que se mantienen en un estante del hospital, podría administrarse al paciente de inmediato, agregó.
El uso de fórmulas estándar también haría que la nutrición IV sea más accesible y menos costosa, ya que ya no requeriría que el gran equipo de expertos ahora involucrado, ni acceso a una farmacia de compuestos. Esto podría tener beneficios para los hospitales en países de bajos ingresos u otros entornos de bajos recursos.
“Esto refleja nuestra esperanza de cómo la IA mejorará la medicina: Lo que va a hacer es mejorar a los médicos y hacer que la atención de primer nivel sea más accesible, dice Stevenson. “Con suerte, también le dará a nuestros médicos más tiempo para hacer las cosas que las computadoras pueden hacer, como pasar tiempo con bebés y sus familias, escucharlos y brindar comodidad y tranquilidad
Para más información
Científicos de la Facultad de Medicina y Hospital de Niños Keck de la Universidad del Sur de California de Los Ángeles contribuyeron a la investigación.
Este trabajo fue apoyado por los Institutos Nacionales de Salud (subvención R35GM138353), el Centro Nacional para el Avance de las Ciencias Traslacionales (subvención UL1TR001872), el Instituto Nacional de Salud Infantil y Desarrollo Humano Eunice Kennedy Shriver (subvención R42HD115517), el Fondo Burroughs Wellcome, March of Dimes, el Alfred E. La Fundación Mann, el Instituto de Investigación de Salud Materna e Infantil de Stanford a través del Programa de Investigación Traslacional SPARK de Stanford, el Fondo de Tecnología de Alto Impacto de Stanford y Stanford Biodesign. Este proyecto también fue apoyado por el Centro Nacional para el Avance de las Ciencias Traslacionales, Institutos Nacionales de Salud, a través del Instituto de Ciencias Clínicas y Traslacionales de la UCSF.
Esta historia fue publicado originalmente por Stanford Medicine.
Stanford Report. Traducido al español
Contacto