Algoritmo de IA monitorea signos vitales y resultados de laboratorio para detectar sepsis antes de la aparición de síntomas
Actualizado el 07 Feb 2024
La sepsis, una infección sanguínea grave, puede iniciar una reacción en cadena potencialmente mortal en todo el cuerpo y plantea un importante desafío para la salud mundial. Como respuesta desregulada del huésped a la infección, la sepsis afecta a más de 48,9 millones de personas anualmente en todo el mundo, lo que provoca aproximadamente 11 millones de muertes. La detección temprana de la sepsis es crucial para un tratamiento eficaz, incluida la reanimación con líquidos, la administración de antibióticos y el control de la fuente. Sin embargo, identificar la sepsis puede resultar difícil debido a su naturaleza heterogénea. Los algoritmos diseñados para ayudar al reconocimiento temprano de la sepsis podrían mejorar potencialmente los resultados de los pacientes, aunque la investigación es limitadas en cuanto a su impacto en el mundo real.
En UC San Diego Health (San Diego, CA, EUA), los investigadores han desarrollado un modelo de IA llamado COMPOSER para identificar rápidamente a los pacientes con riesgo de sepsis. Este modelo aprovecha datos en tiempo real para predecir la sepsis antes de que surjan signos clínicos claros. COMPOSER, que opera de manera discreta, monitorea continuamente a cada paciente desde el momento en que ingresa al departamento de emergencias, analizando más de 150 variables relacionadas con la sepsis, incluidos resultados de laboratorio, signos vitales, medicamentos, datos demográficos e historial médico. Los algoritmos avanzados de IA de COMPOSER pueden detectar patrones sutiles que no son inmediatamente evidentes para los médicos. Al evaluar estos factores de riesgo, el sistema genera predicciones de sepsis altamente precisas.
Si un paciente presenta una combinación de factores de alto riesgo de sepsis, COMPOSER alerta al personal de enfermería a través del registro médico electrónico del hospital. Luego, las enfermeras colaboran con los médicos para decidir el mejor curso de acción. Si el algoritmo determina que es más probable que los patrones de riesgo se atribuyan a otras condiciones, no envía una alerta. Desde su activación en diciembre de 2022, COMPOSER se ha implementado en varias unidades de internación de UC San Diego Health. Un estudio que involucró más de 6.000 ingresos de pacientes antes y después de implementar COMPOSER en los departamentos de emergencia del Centro Médico de UC San Diego y del Centro Médico Jacobs reveló una reducción del 17 % en la mortalidad, lo que marca el primer caso reportado de mejores resultados para los pacientes mediante un modelo de aprendizaje profundo de IA.
"Es gracias a este modelo de IA que nuestros equipos pueden proporcionar terapias que salvan vidas a los pacientes más rápidamente", dijo el coautor del estudio, Dr. Gabriel Wardi, jefe de la División de Cuidados Críticos del Departamento de Medicina de Emergencia de la Facultad de Medicina de UC San Diego.
Enlaces relacionados:
UC San Diego Health
