Impacto de la Inteligencia Artificial en un Programa de Telemonitorización de Pacientes con EPOC Múltiples Hospitalizaciones

Los programas de telemonitorización son una alternativa a los sistemas tradicionales de control de pacientes, especialmente en enfermedades crónicas. Este tipo de herramientas también son importantes debido al envejecimiento de la población, el aumento de las enfermedades crónicas y el consiguiente aumento de los costes de mantenimiento de los sistemas sanitarios. Por otro lado, en la actualidad estos pacientes crónicos son especialmente atendidos por agudizaciones, fundamentalmente en urgencias y hospitalización, y también en consultas presenciales programadas cuando los pacientes se encuentran estables. Entonces, una atención más cercana es más deseable desde el punto de vista de la clínica, la gestión y los costos.

La EPOC (Enfermedad Pulmonar Obstructiva Crónica) es una enfermedad de alta prevalencia. Además, tiene un alto consumo de recursos y costos sanitarios, el 50% de los cuales se deben a hospitalizaciones.

Además, las agudizaciones en la EPOC y especialmente las graves, tienen importantes consecuencias para los pacientes (disminución de la función pulmonar, empeoramiento de la calidad de vida y aumento de la mortalidad).

Por ello, la telemonitorización parece ser una solución para mejorar el control de estos pacientes y mejorar el consumo de recursos. En el Hospital de Galdakao en España, se inició un programa de telemonitorización en pacientes con EPOC que reingresan al hospital. Su objetivo principal era reducir los reingresos por agudizaciones de la EPOC y pudo demostrar una disminución significativa en el uso de recursos sanitarios (hospitalizaciones, visita a urgencias, reingresos y días de estancia media). También demostró un menor empeoramiento de los síntomas clínicos y de la calidad de vida en los pacientes más graves.

Sin embargo, hay tres factores que son muy importantes en las enfermedades crónicas: el aumento del envejecimiento de las personas, el aumento de las personas con enfermedades crónicas y la rápida evolución de la tecnología, especialmente los sistemas de recolección y procesamiento de información.

Machine Learning (ML) es la parte más importante de la Inteligencia Artificial, y su objetivo es el aprendizaje de una computadora. La computadora escribe sus propios programas para resolver problemas que no sabemos cómo resolver. Cuando los trabajos son difíciles, como hacer predicciones en escenarios médicos, los algoritmos de ML necesitan una gran cantidad de fechas para obtener el aprendizaje. La mayoría de las bases de datos médicas tienen inconvenientes que provienen de la intervención humana, como datos faltantes, valores erróneos, etc. Por eso, los programas basados ​​en telemedicina parecen ser una plataforma ideal para los algoritmos de ML. Esto se debe a que los sistemas de telemedicina normalmente producen un flujo periódico de datos recolectados por medios electrónicos y son guardados directamente en una base de datos. Este flujo constante de datos y la baja participación de las personas en la recolección y almacenamiento de los mismos, otorgan una alta calidad a las bases de datos, que los algoritmos de ML pueden utilizar para hacer las mejores predicciones.

Por ello, TelEPOC (el programa de Telemonitorización en una cohorte de EPOC, en el Hospital de Galdakao) se muestra como la mejor opción para utilizar en sus datos los algoritmos de ML, por la calidad y cantidad de datos generados, y también por la utilidad de esas predicciones en la práctica clínica.

En esta situación, la pregunta es si los investigadores podrían anticipar una exacerbación o cuánto podrían anticipar una manifestación de exacerbación. Para probar esta hipótesis, se presenta aquí un proyecto que utiliza Inteligencia Artificial (ML).

Los investigadores hicieron previamente una prueba de este sistema, que arrojó resultados prometedores. Ese prototipo fue entrenado con datos retrospectivos que el programa TelEPOC había recopilado antes y se basó en un algoritmo ML llamado Random Forests. Con esta sonda consiguieron una curva ROC (curva característica operativa del receptor) de 0,8 en la predicción de sufrir una exacerbación en los siguientes tres días. Actualmente en el Hospital de Galdakao se está desarrollando un sistema de ML en el programa TelEPOC. Su objetivo es anticiparse a una alarma (exacerbación).

Con este propósito los investigadores se plantean muchas cuestiones adicionales que pueden ser investigadas, como por ejemplo: ¿cómo puede afectar la llegada de esta tecnología a la práctica clínica diaria? En este proyecto el uso de ML puede cambiar la forma de enfocar la asistencia clínica. Existen herramientas que pueden predecir la evolución de los pacientes. Otra cuestión es que si los investigadores anticipan una exacerbación, podrían cambiar la base patogénica (mediadores inflamatorios) que rondan una exacerbación de la EPOC.

Los investigadores consideran esta iniciativa como pionera en este campo de la EPOC y las enfermedades crónicas.