Evaluación pasiva en el entorno operativo del sistema de apoyo a la decisión del médico de IA para el tratamiento de la sepsis

La sepsis es una disfunción orgánica potencialmente mortal debido a una infección grave y afecta a 250 000 pacientes anualmente en el Reino Unido (antes de la COVID-19), de los cuales 48 000 mueren. Además, prácticamente todas las muertes por COVID-19 en la unidad de cuidados intensivos (UCI) tuvieron sepsis. Es una de las principales causas de muerte y la afección más costosa tratada en los hospitales. Fue reconocida como una de las principales prioridades de investigación por James Lind Alliance, una asociación de pacientes y médicos para priorizar las preguntas sin respuesta más apremiantes que enfrenta el NHS.

La piedra angular de la reanimación de la sepsis es la administración de líquidos intravenosos y/o vasopresores (medicamentos que aprietan los vasos sanguíneos para aumentar la presión arterial) para mantener el flujo sanguíneo y prevenir la insuficiencia orgánica. Sin embargo, existe una gran incertidumbre en torno a la dosificación individual de estos fármacos en un paciente individual, en parte debido a la alta heterogeneidad de la sepsis. Las pautas actuales brindan recomendaciones a nivel de población, pero no logran individualizar las decisiones. Las decisiones equivocadas conducen a peores resultados y a un mayor uso de los recursos de la UCI. Una herramienta para personalizar estos medicamentos podría mejorar la supervivencia de los pacientes.

El equipo de estudio ha desarrollado un nuevo método para revisar y recomendar de forma automática y continua la dosis correcta de estos medicamentos a los médicos, que se creó utilizando técnicas de inteligencia artificial (IA) aplicadas a grandes bases de datos médicas. El método utilizado se denomina aprendizaje por refuerzo. En este marco, el estudio modela a los pacientes con sepsis en la UCI como pertenecientes a un gran número de posibles estados de enfermedad y analiza qué intervenciones es probable que les ayuden a hacer la transición a estados más saludables y, finalmente, a la supervivencia. Los investigadores demostraron en su publicación inicial que el valor de la estrategia seleccionada por IA era en promedio confiablemente más alto que el de los médicos humanos. En una gran cohorte de validación independiente de los datos de entrenamiento, la mortalidad fue más baja en los pacientes en los que las dosis reales de los médicos coincidieron con las decisiones de IA: las tasas de mortalidad aumentaron, de manera dependiente de la dosis, ya que las decisiones reales de los médicos divergieron de las decisiones de IA. El equipo de estudio ha estimado que su algoritmo de IA podría reducir la mortalidad en un 10 % (en términos relativos), lo que representa más de 1000 vidas salvadas anualmente en el Reino Unido y escalaría a cientos de miles de vidas en todo el mundo. Ahora, el equipo del estudio tiene la intención de comenzar las pruebas clínicas de esta tecnología de IA en el Reino Unido.

El producto final previsto será una pieza de software a la que podrán acceder los médicos (inicialmente, los médicos de la UCI y, finalmente, también las enfermeras de la UCI) al lado de la cama en la unidad de cuidados intensivos. Este software se conectará al registro electrónico del paciente, que se alimentará al algoritmo de IA. A cambio, la IA identificará dónde se encuentra el paciente en el conjunto de posibles estados de enfermedad y qué acciones (una dosis de líquidos intravenosos y vasopresores) tienen más probabilidades de ser beneficiosas.

Primero, el equipo de estudio desarrollará esta herramienta de software, capaz de procesar datos de pacientes dentro del registro electrónico de pacientes de los hospitales del NHS en tiempo real para sugerir un curso de acción. El estudio comenzará evaluando y refinando esta herramienta en estudios de simulación. Luego, el equipo del estudio probará la herramienta de IA en dos NHS Trusts en un "modo oculto" cuando el resultado no se proporcione a los médicos de turno a cargo de la atención del paciente. Esto permitirá la comparación de las decisiones reales tomadas y las decisiones recomendadas del sistema de IA. En la segunda etapa de la evaluación clínica, el equipo de estudio mostrará las recomendaciones a los médicos para evaluar la aceptabilidad de la herramienta para los médicos y también confirmar la viabilidad técnica para informar futuros ensayos clínicos a gran escala.

Los beneficios esperados a largo plazo de este proyecto son numerosos: mejora de la supervivencia del paciente, reducción del uso de valiosos recursos de cuidados intensivos y reducción de los costos de atención médica.