Indicadores de Gestión en Instituciones de salud – Guía de Implementación
26/03/2023
Caso Clínico No 1: El enigma de una paciente con artritis reumatoide y síntomas neuromusculares.
25/04/2023En esta publicación, te presento el resumen de una revisión sistemática en que se evalúa la utilidad de herramientas de Inteligencia Artificial para la gestión segura de medicamentos en Atención primaria. Según los autores de la revisión, es el primer estudio de este tipo realizado hasta la fecha.
Antes de ir al resumen, un poco de contexto:
Importancia de la Seguridad del Paciente en el Manejo de Medicamentos
Los errores de medicación y los eventos adversos relacionados con ellos, son acontecimientos que con relativa frecuencia causan un daño significativo al paciente, esto incluye morbilidad evitable, hospitalización, gastos de atención médica más elevados y, en algunos casos, la muerte. En la gestión de servicios de salud, resalta la responsabilidad de reducir la ocurrencia y los efectos de los eventos adversos en la práctica clínica mediante las acciones de Seguridad del paciente. La seguridad del paciente comprende las acciones para prevenir daños poniendo atención a la necesidad de tomar precauciones para proteger al paciente durante el curso de la atención médica. El tema es tan relevante que existe una iniciativa mundial promovida por la OMS, para reducir los errores relacionados con la medicación.
Manejo de Medicamentos e Inteligencia Artificial
La utilización de tecnologías avanzadas como la tecnología ómica, el aprendizaje automático y la inteligencia artificial (IA) están permitiendo que nuestra comprensión de las enfermedades se amplíe de una manera impresionante. Esto significa que gracias a estos avances, estamos descubriendo información valiosa que antes no era posible conocer. Es realmente fascinante cómo estas herramientas tecnológicas están mejorando la gestión clínica, la investigación médica y permitiéndonos encontrar nuevas soluciones para mejorar la calidad de vida de las personas afectadas por diversas enfermedades.
La FDA con corte al 5 de octubre de 2022 ha revisado y autorizado 178 dispositivos con funcionalidades de Inteligencia Artificial y Machine Learning en diversos campos de la medicina, y espera que esta tendencia continúe.
La tecnología ómica es un término que se utiliza para describir un conjunto de técnicas que permiten el análisis simultáneo de todos los componentes de un organismo, como proteínas, genes o metabolitos. Esto significa que podemos comprender mejor cómo funciona nuestro cuerpo a nivel molecular, orgánico y sistémico para entender mejor cómo las enfermedades afectan a los diferentes sistemas del organismo.
Inteligencia Artificial y Aprendizaje Automático:
Por otro lado, la inteligencia artificial es un campo que se enfoca en el desarrollo de tecnologías que imitan la inteligencia humana, como el razonamiento, la percepción y el aprendizaje. En el ámbito médico, la IA puede ayudar a identificar patrones, asociaciones, y correlaciones entre datos clínicos e información científica que puede promover la mejora en procesos como el diagnóstico de enfermedades, la gestión de los servicios, y la generación de nuevas opciones de tratamiento. [[5]]
Por último, el aprendizaje automático, es una rama de la inteligencia artificial, y se refiere a la capacidad de las computadoras de aprender de manera autónoma a partir de datos y patrones. Esto nos permite identificar relaciones que no son fácilmente perceptibles para el ojo humano, lo que puede ser especialmente útil en el sector salud.
Estos avances tecnológicos están permitiendo una comprensión más profunda de las enfermedades y ofrecen nuevas soluciones para mejorar la salud de las personas y la forma en que se prestan servicios de salud, entre las herramientas basadas en inteligencia artificial actualmente disponibles para facilitar la gestión clínica se encuentran los sistemas automatizados de apoyo a las decisiones médicas.
Se ha demostrado previamente que los sistemas de apoyo a las decisiones dependientes de la IA aumentan la seguridad del paciente al permitir la detección de errores, la estratificación de pacientes y el manejo de medicamentos en todas las etapas (por ejemplo, prescripción, administración y dispensación).
Gestión de medicamentos en atención primaria
El inicio o continuación de un tratamiento farmacológico ocurre en más del 75% de las consultas ambulatorias de medicina general y/o medicina familiar, principalmente en pacientes mayores de 65 años. En comparación con el entorno hospitalario, el potencial riesgo de un evento adverso resultante de un error en el uso, o la prescripción de medicamentos, es mucho mayor en el entorno de atención primaria. Esto se debe además del alto volumen de atenciones realizadas, a que los pacientes mayores de 65 años suelen ser poli mórbidos y tener polifarmacia, lo que aumenta el riesgo de presentación de errores, y eventos adversos.
Sistemas automatizados de apoyo a las Decisiones Clínicas
La inteligencia artificial y los algoritmos automatizados tienen el potencial de mejorar significativamente la seguridad del paciente en la gestión de medicamentos en atención primaria. Los sistemas de soporte a la toma de decisiones que se activan en el momento en que un clínico está generando una orden médica, ya se están utilizando para aumentar la seguridad del paciente, pero hay mucho potencial para seguir desarrollando herramientas en esta área. A medida que la medicina personalizada se vuelve más prevalente, el uso de la inteligencia artificial puede ser cada vez más importante para personalizar los tratamientos según las necesidades individuales. El uso de la inteligencia artificial en la gestión de medicamentos y la detección de errores de medicación puede ser especialmente crítico.
Te dejo a continuación dos ejemplos de sistemas de apoyo a las decisiones Clínicas que integran Inteligencia Artificial, y que tienen aprobación de FDA:
D-Nav System de Hygieia, Inc
WellDoc BlueStar de WellDoc, Inc
A continuación te presento el resumen de la revisión sistemática:
Tema de Estudio
Utilidad de los modelos de Inteligencia Artificial para la prescripción segura de medicamentos en Atención Primaria en Salud
Título en Inglés
Potentiality of algorithms and artificial intelligence adoption to improve medication management in primary care: a systematic review
Titulo en español
Potencialidad de la adopción de algoritmos e inteligencia artificial para mejorar la gestión de medicamentos en atención primaria: una revisión sistemática
DOI
doi:10.1136/ bmjopen-2022-065301
Fecha de publicación
2023/03/23
Revista
BMJ Open
https://bmjopen.bmj.com/content/13/3/e065301.info
Importancia
Con el avance de la tecnología, la inteligencia artificial (IA) está siendo cada vez más utilizada en la atención primaria para mejorar la seguridad del paciente. En este estudio, se evaluó el impacto de la IA y los algoritmos para la gestión de medicamentos en atención primaria, incluyendo la detección de errores terapéuticos y el grado de autonomía alcanzado por los dispositivos de IA utilizados.
Objetivo
Investigar el efecto de la inteligencia artificial (IA) y/o los algoritmos para el manejo de medicamentos en entornos de atención primaria comparando la IA y/ o los algoritmos con la práctica clínica habitual. En segundo lugar, se evaluó cuál es el tipo de error de medicación informado con mayor frecuencia y el tipo de máquina de IA más utilizada
Fuente de los datos
Utilizando los elementos del modelo PICO, los autores buscaron artículos relevantes en Cochrane Library, Web of Science y PubMed
Selección de estudios
Los autores utilizaron las pautas PRISMA para seleccionar los estudios relevantes. Los criterios de inclusión incluyeron ensayos controlados aleatorios desarrollados en entornos de atención primaria que compararan la aplicación de IA y/o algoritmos con la práctica clínica habitual y que aplicaran IA y/o algoritmos al manejo de medicamentos. Además, los estudios debían analizar cuantitativamente la efectividad de la intervención en términos de reducción de errores de medicación. Los artículos debían indicar claramente la aplicación de IA y/o algoritmos en el texto.
Extracción datos y análisis
Los investigadores revisaron de forma independiente el título y el resumen para delinear los artículos más apropiados. Luego, los cuatro investigadores realizaron una revisión de texto completo de cada artículo para determinar la elegibilidad. Durante el proceso de selección, los investigadores resolvieron cualquier situación ambigua o sesgo discutiendo juntos la inclusión o exclusión del artículo en función de los criterios de elegibilidad identificados y su experiencia en el tema.
Principales medidas y desenlaces
La efectividad de la intervención se midió en términos de reducción de errores de medicación prevenibles, como prescripción excesiva, medicación inapropiada, interacción farmacológica, riesgo de lesiones, errores de dosificación o aumento de la adherencia al tratamiento. Los autores se centraron en los estudios primarios que informaron resultados de eficacia. Además, solo se incluyeron artículos escritos en inglés y con textos completos disponibles y publicados en revistas revisadas por pares.
Resultados
Se recuperaron 2447 artículos de una búsqueda en julio y noviembre de 2021, de los cuales se seleccionaron 14 estudios.
Todos los estudios evaluaron la reducción del riesgo en el uso de medicamentos lograda por la aplicación de IA en atención primaria. Los estudios se realizaron en EE. UU., Canadá, Alemania, Francia, España, Irlanda e Inglaterra entre 1993 y 2020. La mayoría de los estudios se realizaron en centros ambulatorios de atención primaria (64%).
Se evaluó la calidad de los estudios incluidos aplicando el Quality Assessment of Controlled Intervention Studies del National Institute of Health para ensayos controlados aleatorios. Se evaluó el tipo de error evitado y se utilizó la clasificación de Hintze para definir el nivel de autonomía alcanzado por las máquinas de IA utilizadas en los ensayos.
Diez de 14 estudios informaron una reducción de los errores de medicación, y cuatro estudios evaluaron los cambios que la aplicación de IA indujo en la prescripción excesiva. La mayoría de los estudios evaluaron la aplicación de sistemas informatizados de apoyo a la toma de decisiones clínicas para la reducción de errores de medicación introduciendo dispositivos informáticos en las rutinas de los médicos. El estudio informó que la IA evitó errores de prescripción en aproximadamente el 80% de los casos.
Además, el estudio informó que la digitalización y la reorganización del trabajo, junto con la formación, son soluciones clave para reducir los errores clínicos en el entorno de atención primaria. Sin embargo, también se informó que el bajo nivel de cumplimiento de los médicos al interactuar con el software puede afectar negativamente la eficacia de la aplicación de la IA. Se necesitan más investigaciones para determinar qué tipos de fármacos son más adecuados para el manejo mediado por IA en el entorno de atención primaria.
Conclusiones y relevancia
El estudio actual intenta llenar parcialmente un importante vacío en la literatura sobre la aplicación de IA en atención primaria. El ambicioso objetivo de abordar sistemáticamente tal tema innovador hizo que esta revisión fuera particularmente difícil de realizar y no permitió terminar con una síntesis cuantitativa detallada. Sin embargo, pudo fortalecer la evidencia sobre la ayuda que la IA puede brindar a los médicos en el manejo de la medicación de los pacientes y fomentar una aplicación más amplia de las máquinas incluso en entornos menos controlados, como aquellos en los que operan los especialistas de atención primaria.
Diagnósticos en que aplica
Y636 No administración de drogas, medicamentos o sustancias biológicas necesarias
Código CIE 10
Y636 – Y639
Código CIE 11
PL14.0 Non administration of necessary drug
Área de conocimiento
Inteligencia Artificial en Medicina – Seguridad del paciente – Errores en la medicación
Tipo de Estudio
Revisión Sistemática
Resumen en PDF:
En esta sección puedes acceder y descargar el resumen del artículo en pdf
reporte_dataset_revsis_metanalisis_IA_para_gestion_medicamentosTe interesó este contenido?
También te puede interesar:
Predicción de Demencia con Algoritmos de Machine Learning: ¿Cuál es la Mejor Opción?
Se puede hacer predicción del Cáncer con Inteligencia Artificial?
Déjame tu nombre y correo en el formulario de contacto para notificarte sobre contenido relacionado que publique en este blog.
Accede a otras publicaciones sobre administración en salud y gestión clínica, aquí.
