Sistema de cámara portátil con IA detecta errores en la administración de medicamentos

Los errores en la administración de medicamentos son los incidentes críticos más comúnmente reportados en anestesia y representan la principal causa de errores médicos graves en cuidados intensivos. Se estima que entre el 5 % y el 10 % de todos los medicamentos administrados están vinculados a errores. Se cree que los eventos adversos relacionados con medicamentos inyectables afectan a 1,2 millones de pacientes cada año, generando costos de aproximadamente 5.100 millones de USD. Los errores de intercambio de jeringas y viales ocurren con frecuencia durante las inyecciones intravenosas, donde un médico debe transferir medicamentos de un vial a una jeringa y luego al paciente. Aproximadamente el 20 % de estos errores son de sustitución, donde se elige el vial incorrecto o se etiqueta mal la jeringa. Otro 20 % de errores surge cuando el medicamento está etiquetado correctamente, pero se administra de forma incorrecta. Si bien se implementan medidas de seguridad, como sistemas de código de barras que leen y confirman rápidamente el contenido de un vial, para prevenir estos incidentes, los médicos pueden ocasionalmente pasanr por alto esta verificación en situaciones de alto estrés, ya que agrega un paso adicional a su flujo de trabajo. Ahora, un equipo de investigación ha desarrollado el primer sistema de cámara portátil que, con la ayuda de inteligencia artificial (IA), identifica posibles errores en la administración de medicamentos.

Los investigadores de la Facultad de Medicina de la Universidad de Washington (Seattle, Washington, EUA) se propusieron crear un modelo de aprendizaje profundo que, al combinarse con una cámara GoPro, pudiera reconocer eficazmente el contenido de viales cilíndricos y jeringas y emitir advertencias antes de administrar el medicamento al paciente. El entrenamiento del modelo llevó varios meses. El equipo recopiló secuencias de video en 4K de 418 extracciones de medicamentos realizadas por 13 proveedores de anestesiología en diversas configuraciones de quirófano y condiciones de iluminación. Los videos capturaron a los médicos manipulando viales y jeringas de medicamentos específicos. Estos fragmentos de video se registraron y se anotó el contenido de las jeringas y viales para entrenar al modelo a reconocer tanto el contenido como los recipientes. El sistema de video no lee directamente el texto de cada vial; en cambio, identifica señales visuales como el tamaño y la forma de los viales y jeringas, el color de las tapas de los viales y el tamaño de las etiquetas impresas.

Además, el modelo computacional fue entrenado para enfocarse en los medicamentos en primer plano mientras ignoraba los viales y jeringas en el fondo. En una prueba cuyos resultados fueron publicados en la revista npj Digital Medicine, el sistema de video demostró una alta competencia en el reconocimiento e identificación de medicamentos que se extraen en entornos clínicos concurridos. La IA logró una sensibilidad del 99,6 % y una especificidad del 98,8 % en la detección de errores de intercambio de viales. Esta investigación destaca el potencial de la IA y el aprendizaje profundo para mejorar la seguridad y la eficiencia en diversas prácticas de atención médica. Los investigadores apenas están comenzando a explorar este potencial y anticipan que el sistema servirá como un salvaguardia esencial, particularmente en quirófanos, unidades de cuidados intensivos y entornos de medicina de emergencia.

“La idea de poder ayudar a los pacientes en tiempo real o prevenir un error de medicación antes de que ocurra es muy poderosa”, afirmó la coautora principal, la Dra. Kelly Michaelsen, profesora adjunta de anestesiología y medicina del dolor en la UW Medicine. ““Uno puede aspirar a un rendimiento del 100 %, pero ni siquiera los humanos pueden lograrlo. En una encuesta a más de 100 proveedores de anestesia, la mayoría expresó que deseaba que el sistema fuera más del 95 % preciso, un objetivo que hemos alcanzado”.