TECNOLOGÍA | NUEVAS TECNOLOGÍAS

La Inteligencia Computacional favorece la gestión en los hospitales

Por SONIA ALFONSO SÁNCHEZ. 10/06/2017

Asier Garmendia, investigador del GIC (Grupo de Inteligencia Computacional) desarrolla una fórmula para ayudar a determinar la gravedad de los pacientes en base a sus valores fisiológicos.

investigación
inteligencia
estudio
paisvasco
UPV/EHU
computacional
algoritmos
triaje

El investigador del GIC, Asier Garmendia

Asier Garmendia se basa en algoritmos para determinar la gravedad del estado de los pacientes. Un sistema de este tipo ofrece una mejora en la detección de los casos más graves, y así se consigue tanto una mejor atención a los pacientes como una mejor gestión de los recursos de los servicios de salud. El investigador ha desarrollado un sistema basado en inteligencia computacional para este fin.

Los hospitales y demás centros dedicados a la salud almacenan multitud de bases de datos con todos los registros de múltiples variables fisiológicas de los pacientes que atienden. El procesamiento y análisis de estos datos puede permitir al personal sanitario anticiparse y detectar aquellos pacientes que presentan mayor riesgo de tener una evolución desfavorable.

En su estudio, y posterior desarrollo de los algoritmos necesarios para el sistema, utilizó dos bases de datos procedentes de sendos hospitales de Santiago de Chile:

-Una de las bases de datos elegidas corresponde a pacientes pediátricos que han sido ingresados alguna vez en las Unidades de Cuidados Intensivos por problemas respiratorios.

- La otra corresponde a pacientes que habiendo acudido a los servicios de urgencias, son dados de alta pero tras varios días han vuelto y entonces han sido ingresados.

Estas dos bases de datos coinciden " con dos de los mayores problemas del ámbito de la salud asociados a las grandes urbes como Santiago de Chile, que son las enfermedades respiratorias originadas por la polución, y la gestión de la atención y cuidado de los pacientes que acuden en busca de atención médica", comenta Garmendia.

En el primero de los casos, utilizando los registros de las variables que se toman a cada paciente cada cierto tiempo mientras está hospitalizado, el objetivo fue definir el nivel de triaje ( variable que clasifica a los pacientes en función de su gravedad), a partir del resto de variables como temperatura etc... "Mediante algoritmos de inteligencia computacional, se intenta predecir cuál debería ser el triaje", continúa. El último objetivo sería "monitorizar de forma automática a los pacientes y que saltara una alarma cada vez que el triaje empeora", añade. Este estudio ha desvelado que la variable que mejor predice el nivel de triaje es la frecuencia respiratoria. " Esto resulta curioso, ya que los médicos responden, que en su opinión, la variable que mejor predice dicho triaje es la saturación de oxígeno en sangre", continúa.

En el segundo de los casos, lo que buscaron fue intentar detectar el destino que se les debería dar a los pacientes que acuden al servicio de urgencia, es decir, si darles el alta o ingresarlos. " El problema que existe en este aspecto es que una parte de los pacientes que son dados de alta en la primera consulta, vuelven al servicio de urgencias al cabo de una serie de días y entonces sí son ingresados. Aproximadamente el 14% de los pacientes pediátricos que vuelven a acudir a la consulta en un intervalo de tiempo entre 3 y 7 días son hospitalizados. En el caso de los pacientes adultos, son 1 de cada 3", explica.

" El contar con un sistema que solucione esta problemática traería consigo una mejor atención a los pacientes, por supuesto, pero además supondría un ahorro económico importante. Por un lado, se gestionarían mejor los recursos de los servicios de salud y por otro lado, se evitaría una situación que se da actualmente con los seguros: no se hacen cargo de los gastos derivados de la hospitalización en estos casos, por entender que se trata de una negligencia hospitalaria al haberle dado el alta en la primera consulta. ", añade.

Los algoritmos desarrollados para este fin dieron como resultado un nivel de precisión del 60%, es decir, " nuestro sistema fue capaz de detectar la gravedad de 6 de cada 10 pacientes que en un principio no parecían susceptibles de ser ingresados inmediatamente", explica Garmendia.

TAMBIÉN EN:
NOTICIAS AL ALZA ...

Esta web utiliza cookies para obtener datos estadísticos de la navegación de sus usuarios. Si continúas navegando consideramos que aceptas su uso. Más información X Cerrar