Ribera Salud predice qué pacientes de Covid-19 requerirán ingreso en UCI gracias a Microsoft

El grupo sanitario hace predicciones en función de datos objetivos analizados por Microsoft Azure y sus herramientas de machine learning

Publicado el 21 Sep 2020

Un hospital de Ribera Salud.

El grupo sanitario Ribera Salud, junto a su división tecnológica FutuRS, ha puesto en marcha un modelo predictivo, basado en inteligencia artificial, que analiza y procesa variables de cada paciente para predecir su evolución, tomando como punto de partida datos objetivos analizados por Microsoft Azure y sus herramientas de machine learning.

Esta iniciativa comenzó hace tres años gracias al trabajo en equipo entre Ribera Salud, FutuRS y Microsoft. El grupo sanitario, más allá de iniciar un salto tecnológico y modernizar la aplicación, tenía como objetivo mejorar la calidad asistencial de los pacientes, actuando de forma preventiva gracias a las predicciones sobre el posible empeoramiento clínico de los pacientes, como en el caso de la Covid-19.

A la hora de diseñar el proyecto, Ribera Salud lo tenía muy claro: necesitaban una herramienta que, a través de datos de alta calidad, posibilitara variables de interés en la historia clínica del paciente y ayudara de forma proactiva a prevenir situaciones adversas evitables. Por ello, optaron por la tecnología Microsoft, que les ha facilitado el crecimiento del modelo, así como el rápido desarrollo de este y una implantación fácil para el uso clínico por parte de los profesionales.

La tecnología es algo que ya está disponible, pero lo que ha resultado clave para el éxito de estos proyectos ha sido el enfoque multidisciplinar, incluyendo dentro de un mismo equipo a profesionales sanitarios y tecnólogos. “Empezamos a predecir determinados efectos adversos utilizando técnicas de machine learning e incluyendo este tipo de predicciones dentro de la operativa y práctica asistencial del día a día”, explica Mireia Ladios, jefa corporativa de calidad de Ribera Salud. “Buscábamos que, a pie de cama, con una tablet, la enfermera que estaba viendo al paciente y que podía tomar las medidas en ese momento, se aprovechase de esa predicción y pudiera actuar en consecuencia””.

Este modelo revolucionario se ha construido en base a una selección de variables clínicas, fijadas por los profesionales sanitarios donde el exhaustivo control, recogida y análisis de datos de los pacientes son la base para su creación, brindándole al clínico la oportunidad de revisar y ajustar el plan terapéutico antes de que el paciente empeore más.

Esta herramienta, apoyada en inteligencia artificial y, más concretamente, en machine learning, ha permitido a Ribera Salud tener un mayor control de los riesgos de los pacientes sin incurrir en una mayor carga de trabajo para los profesionales sanitarios. Es por ello por lo que este modelo facilita lo que se conoce como el “right care, right now”, es decir, proporcionar los cuidados adecuados en el momento correcto para alcanzar los resultados óptimos para el paciente.

“El resultado del modelo se obtiene automáticamente varias veces al día, se inserta directamente en un espacio acordado con los propios profesionales dentro de la historia clínica. Esto hace que los profesionales lo perciban como un input natural y no como algo externo, y que utilicen esa información para poder atender a los pacientes a pie de cama. Si esa información tuviera que obtenerse y analizarse por mecanismos tradicionales, sería muy costoso en tiempo y recursos”, señalan desde Ribera Salud.

En el último año, este modelo, apoyado en la nube de Microsoft y las herramientas de Azure Machine Learning, ha contribuido a reducir el número de pacientes que desarrollaron una UPP (úlceras por presión) en UCI, hasta un 19% (un 11% de incidencia acumulada).

Herramienta clave para el presente y futuro del COVID-19

Gracias a estos resultados, Ribera Salud ha puesto en marcha un nuevo modelo para predecir específicamente el empeoramiento clínico de los pacientes de la Covid-19 hospitalizados. Este modelo se creó con dos objetivos muy claros: brindar al clínico la oportunidad de reajustar el plan terapéutico ante una mala evolución; y apoyar al gestor en la toma de decisiones respecto a la necesidad potencial de recursos escasos. Su aplicación podría convertirse en una pieza clave para afrontar eficazmente posibles rebrotes en el futuro.

“La detección temprana del empeoramiento clínico supone un elemento diferenciador de calidad, en un entorno de alta exigencia como la actual pandemia del coronavirus”, afirma Mireia Ladios. “El exhaustivo control, recogida y análisis de datos de los pacientes es la base para la creación de este modelo predictivo, que permite generar alertas sobre la evolución del paciente, brindando al personal sanitario la información que necesitan para revisar y ajustar el plan terapéutico antes de que el paciente empeore más.”

¿Qué te ha parecido este artículo?

Tu opinión es importante para nosotros.

C
Redacción Channel Partner

Artículos relacionados

Artículo 1 de 2