Algoritmos de Aprendizaje Automático e Inteligencia Artificial para Optimizar el Rendimiento y la Prestación de Diálisis Aguda (SMART DIALYSIS)

Antecedentes y fundamentos del estudio:

La diálisis aguda es necesaria en aproximadamente el 10-15% de todos los pacientes ingresados en unidades de cuidados intensivos (UCI). La diálisis aguda puede adoptar la forma de terapia de reemplazo renal continuo (TRRC), hemodiálisis intermitente (HDI) o diálisis de baja eficiencia y lenta (SLED). A nivel mundial, la TRRC sigue siendo la forma predominante de diálisis aguda, con más del 75% de la diálisis aguda siendo TRRC.

La aplicación de la diálisis aguda en la UCI se asocia con malos resultados para el paciente. A pesar de los avances en tecnología y atención médica, la mortalidad sigue siendo del 40-60%, similar a los resultados observados con el síndrome de dificultad respiratoria aguda grave (SDRA). Además, incluso cuando los pacientes sobreviven a su enfermedad crítica, hasta el 10% de los pacientes requieren terapia de diálisis crónica a largo plazo. Esto tiene un efecto significativo en la calidad de vida de los supervivientes de enfermedades críticas, así como efectos importantes en sus familias, que a menudo requieren cambios en el trabajo y la vivienda, así como el traslado a lugares más cercanos a los centros de diálisis. Esto resulta no solo en costos significativos de atención médica y sociales (aproximadamente $100,000/paciente/año en Alberta, Canadá), sino también en reducciones muy importantes en la calidad de vida relacionada con la salud de estos pacientes. Actualmente, si bien existe evidencia sobre el inicio óptimo de la diálisis aguda, hay escasez de evidencia para predecir el momento de la transición de modalidad o la liberación de esta terapia. Utilizando un Sistema de Información Clínica electrónico completamente integrado (eCIS) como Connect Care (EPIC, Wisconsin, EE. UU.) en Alberta, podemos desarrollar algoritmos predictivos que puedan anticipar las necesidades del paciente y de diálisis aguda.

Una vez iniciada la diálisis aguda, varios factores pueden afectar la recuperación renal tras la diálisis aguda. La hipotensión intradiálisis se ha identificado como un factor modificable principal, pero desafortunadamente, uno en el que tenemos capacidad limitada para predecir con precisión. Esta es una brecha de conocimiento importante que debe abordarse. También ha sido identificada previamente por nuestro equipo de estudio como uno de los indicadores clave de rendimiento (KPI) más importantes para la diálisis aguda, especialmente en HDI y SLED. Para TRRC, la vida útil del filtro se ha identificado como el KPI más importante y estudiado. Actualmente, estos dos KPI están siendo utilizados por los programas en curso QUALITY CRRT y DIALYZING WISELY para mejorar el rendimiento y la prestación de diálisis aguda a pacientes críticamente enfermos. Estos dos programas se han implementado con éxito en toda Alberta y han establecido la infraestructura necesaria para iniciar los siguientes pasos en estas Iniciativas de Calidad Continua para diálisis aguda, el programa SMART DIALYSIS.

Recientemente, los avances en procesamiento informático y de máquinas han llevado a la 4ª revolución industrial con el desarrollo de máquinas, dispositivos y algoritmos de aprendizaje inteligentes que pueden ayudar a los humanos en el manejo de pacientes y optimizar la prestación de atención médica. Los algoritmos de Aprendizaje Automático (ML) e Inteligencia Artificial (IA) se han utilizado anteriormente en medicina, pero solo han comenzado su implementación en nefrología de cuidados críticos.

Las iniciativas actuales se centran principalmente en el reconocimiento de patrones y la predicción de riesgos. Este programa contendrá 4 fases distintas.

En la Fase 1, continuaremos el trabajo de nuestro programa QUALITY CRRT y DIALYZING WISELY y tendremos como objetivo comprender mejor el panorama que rodea las decisiones sobre transiciones entre modalidades de diálisis aguda, terminación e intentos de liberación de diálisis aguda, la incidencia de hipotensión intradiálisis y el momento de coagulación del filtro en la UCI.

En la Fase 2, desarrollaremos modelos y posteriores herramientas de Apoyo a la Decisión Clínica (CDS) y/o Asesorías de Mejores Prácticas (BPA) para que los médicos puedan predecir y gestionar mejor 1) las transiciones entre terapias de diálisis aguda, 2) el manejo de la hipotensión intradiálisis, 3) la predicción de la vida útil del filtro y 4) la liberación de la diálisis aguda. Concurrentemente con este trabajo, trabajaremos para desarrollar un Panel de Diálisis Aguda Aumentado con IA/ML (es decir, Panel Digital SMART DIALYSIS) integrado en nuestro Sistema de Información Clínica electrónico (eCIS) para presentar estos KPI a los médicos.

La Fase 3 examinará la implementación y evaluación del rendimiento y aceptabilidad de estos algoritmos ML/IA en la práctica clínica.

Finalmente, la Fase 4 tomará nuestros resultados derivados de Alberta y buscará implementarlos y compararlos en otras grandes autoridades sanitarias para garantizar que los algoritmos se hayan desarrollado y validado de manera apropiada y ética. Estos incluirán socios en Canadá, EE. UU., Europa, Australia y Nueva Zelanda.