Método de aprendizaje automático predice la duración de la cirugía
Por el equipo editorial de HospiMedica en español Actualizado el 05 Aug 2019 |
Imagen: Un resumen gráfico del algoritmo de IA para las salas de cirugía (Fotografía cortesía de la UW).
Un modelo estadístico nuevo basado en inteligencia artificial (IA) utiliza grandes conjuntos de datos retrospectivos para mejorar la estimación de la duración de los procedimientos quirúrgicos.
Investigadores de la Universidad de Washington (UW; Seattle, EUA) y Perimatics (Bellevue, WA, EUA) utilizaron un conjunto de datos que incluía 46.986 cirugías programadas realizadas por 92 cirujanos en la UW, entre enero 2014 y diciembre de 2017, con el fin de desarrollar, ensayar y entrenar modelos estadísticos de aprendizaje automático (AA) que podrían mejorar la eficiencia de la sala de operaciones (OR), al predecir mejor la duración de cada caso. Los modelos se desarrollaron en un conjunto de datos de entrenamiento que incluía el 80% del conjunto de datos, y se validaron en el 20% restante que se usó como un conjunto de datos de prueba.
Las predicciones derivadas del AA se compararon con los tiempos de procedimiento históricos promedio y las estimaciones del cirujano, con modelos individuales creados para cada servicio quirúrgico y cirujano, respectivamente. Los resultados mostraron que el algoritmo de AA podía predecir los tiempos de los casos dentro de un umbral del 10%. Los modelos específicos del cirujano pudieron mejorar la exactitud del 30% (según la estimación de un cirujano) al 39%, y entre el tercio superior de los cirujanos, la exactitud mejoró a más del 50%. El estudio fue publicado el 18 de julio de 2019 en la revista Journal of the American College of Surgeons (JACS).
“La programación de las salas de cirugía es un problema de cinco mil millones de dólares. Para optimizar los quirófanos, es necesario responder una pregunta fundamental: ¿cuánto dura cada cirugía? La subutilización significa que menos pacientes reciben atención quirúrgica y el hospital tiene un exceso de capacidad. La sobreutilización da como resultado operaciones canceladas y gastos por horas extras”, dijo el coautor del estudio y autor principal, Rajeev Saxena, de la facultad de medicina de la Universidad de Washington. “Puede cambiar una cultura organizacional completa adoptando un enfoque de envío de datos e involucrando a las partes clave interesadas”.
Se deben tener en cuenta muchas variables al intentar optimizar la programación quirúrgica, incluida la duración del caso, el tiempo de espera de los pacientes para la cirugía y el número de bloques de tiempo de quirófano otorgados a cada cirujano o servicio quirúrgico, según lo determinen los comités de quirófano. Un umbral de utilización del 75% es apropiado para la mayoría de los quirófanos, pero si un hospital puede fortalecer la utilización de las salas de cirugía, puede aumentar los ingresos aumentando el volumen total de casos.
Enlace relacionado:
Universidad de Washington
Perimatics
Investigadores de la Universidad de Washington (UW; Seattle, EUA) y Perimatics (Bellevue, WA, EUA) utilizaron un conjunto de datos que incluía 46.986 cirugías programadas realizadas por 92 cirujanos en la UW, entre enero 2014 y diciembre de 2017, con el fin de desarrollar, ensayar y entrenar modelos estadísticos de aprendizaje automático (AA) que podrían mejorar la eficiencia de la sala de operaciones (OR), al predecir mejor la duración de cada caso. Los modelos se desarrollaron en un conjunto de datos de entrenamiento que incluía el 80% del conjunto de datos, y se validaron en el 20% restante que se usó como un conjunto de datos de prueba.
Las predicciones derivadas del AA se compararon con los tiempos de procedimiento históricos promedio y las estimaciones del cirujano, con modelos individuales creados para cada servicio quirúrgico y cirujano, respectivamente. Los resultados mostraron que el algoritmo de AA podía predecir los tiempos de los casos dentro de un umbral del 10%. Los modelos específicos del cirujano pudieron mejorar la exactitud del 30% (según la estimación de un cirujano) al 39%, y entre el tercio superior de los cirujanos, la exactitud mejoró a más del 50%. El estudio fue publicado el 18 de julio de 2019 en la revista Journal of the American College of Surgeons (JACS).
“La programación de las salas de cirugía es un problema de cinco mil millones de dólares. Para optimizar los quirófanos, es necesario responder una pregunta fundamental: ¿cuánto dura cada cirugía? La subutilización significa que menos pacientes reciben atención quirúrgica y el hospital tiene un exceso de capacidad. La sobreutilización da como resultado operaciones canceladas y gastos por horas extras”, dijo el coautor del estudio y autor principal, Rajeev Saxena, de la facultad de medicina de la Universidad de Washington. “Puede cambiar una cultura organizacional completa adoptando un enfoque de envío de datos e involucrando a las partes clave interesadas”.
Se deben tener en cuenta muchas variables al intentar optimizar la programación quirúrgica, incluida la duración del caso, el tiempo de espera de los pacientes para la cirugía y el número de bloques de tiempo de quirófano otorgados a cada cirujano o servicio quirúrgico, según lo determinen los comités de quirófano. Un umbral de utilización del 75% es apropiado para la mayoría de los quirófanos, pero si un hospital puede fortalecer la utilización de las salas de cirugía, puede aumentar los ingresos aumentando el volumen total de casos.
Enlace relacionado:
Universidad de Washington
Perimatics
Últimas TI noticias
- Modelo de aprendizaje automático mejora predicción del riesgo de mortalidad para pacientes de cirugía cardíaca
- Colaboración estratégica para desarrollar e integrar IA generativa en el cuidado de la salud
- Solución de quirófanos habilitada para IA ayuda a hospitales a maximizar la utilización y desbloquear la capacidad
- IA predice cáncer de páncreas tres años antes del diagnóstico a partir de registros médicos de los pacientes
- Primer sistema de autorizaciones médicas personalizadas de IA generativa totalmente autónoma reduce el retraso en la atención
- Según un estudio, registros médicos electrónicos pueden ser clave para mejorar la atención al paciente
- IA entrenada para biomarcadores vocales específicos podría predecir con precisión enfermedad de arterias coronarias
- Inteligencia artificial detecta las fracturas en los rayos X con exactitud
- Lectura capacitada por IA aumenta la exactitud de la mamografía
- Herramienta estadística predice los picos de COVID-19 en todo el mundo
- Sistema inteligente para detectar la fiebre y los contactos ayuda a que los negocios puedan reabrir
- Tecnología nueva permite la identificación a través de una máscara
- Servicio de ciberseguridad protege los dispositivos médicos de ataques
- Inteligencia artificial puede detectar los niveles de glucosa a través del ECG
- Implante neural suave de control inalámbrico estimula las células del cerebro
- Stent pequeño de polímero podría tratar las estenosis uretrales pediátricas