Un proyecto de articulación público-privada, con participación de investigadores de la UNNE, avanza con buenos resultados preliminares. Se trata del diseño de un sistema de soporte a las decisiones clínicas en unidades de cuidado intensivo (UCI), que ayuda al profesional en la decisión médica sobre la internación o no de un paciente.
El programa, basado en algoritmos inteligentes, analiza la historia clínica del paciente y arroja una probabilidad de riesgo de vida considerando su estado actual y la información previa. El objetivo es su implementación en el Instituto de Cardiología de Corrientes.
La iniciativa denominada “Sistema de Soporte a las Decisiones Clínicas en Unidades de Cuidados Intensivos (UCI), forma parte de la convocatoria “Financiación Fase Cero”, promovida por la Fundación Sadosky, de articulación entre Gobierno, Universidad y Empresas.
En el proyecto participan investigadores de la Facultad de Ciencias Exactas y Naturales y Agrimensura de la UNNE (FaCENA), profesionales del Instituto de Cardiología de Corrientes y miembros de la empresa Aliare, especializada en Ingeniería de Software y desarrollo de soluciones basadas en sistemas de información a medida.
Recientemente, los avances del proyecto fueron presentados en el Ciclo de Encuentros “Inteligencia artificial y ciencia de datos, potencial y desafíos para la gestión de crisis sanitarias” organizado por la Agencia Nacional de Ciencia, Técnica e Innovación, en la sección “Capacidades estatales y del sector productivo en inteligencia artificial y ciencia de datos aplicadas a la salud”. La presentación, a cargo del Ing. Fabián Bobadilla Godoy, de la empresa Aliare.
“Se trata de una iniciativa que busca potenciar la articulación público-privada, aprovechando el potencial de la Universidad y de las empresas de base tecnológica en un campo de gran relevancia como la gestión en salud” explicó María Inés Pisarello, docente e investigadora de la Facultad de Ciencias Exactas de la UNNE, responsable del proyecto por la UNNE.
Dos alumnos de la Maestría en Tecnologías de la Información de la FaCENA, Sofía Vallejos y Darío Báez, están realizando sus tesis finales como parte de este proyecto, quienes participan en la parte experimental, desarrollo de algoritmos y colaboran en el análisis de los resultados.
Detalles del proyecto
Para la etapa de definición del sistema se tuvo en cuenta el escenario de cómo llega un paciente llega a una unidad de cuidado intensivo, y cómo el equipo médico evalúa la historia clínica electrónica, con memorial más o menos detallado según cada paciente.
Con los datos, el personal médico define la conducta médica del paciente así como su riesgo de vida.
En el proceso de programación del sistema se contó con un listado anónimo de pacientes que se han internado en UCI en un periodo de tiempo de casi un año, y además se contó con datos médicos significativos como resultados de laboratorio, mediciones ecográficas, conclusiones de ECG, edad, óbitos y otros.
En tanto, el proceso de preparación de esos datos fue lo que más tiempo demandó, pues para que un algoritmo inteligente entienda los datos hay que ordenarlos y determinar los procesos de lo que se hace con los datos.
Se probaron varios algoritmos y se llegó a la conclusión de que existen dos algoritmos que se desempeñan de la mejor manera en la evaluación del riesgo de vida del paciente.
Los investigadores ya tienen definido cómo tienen que ser los datos, hacia donde apuntan los algoritmos y definido el marco teórico, por lo que en la próxima fase, que es un proyecto nuevo, hay que determinar cómo se inserta ese sistema en el ecosistema del Instituto de Cardiología, así como evaluar el funcionamiento y las consecuencias de ese funcionamiento.
Una vez que el sistema funcione con datos reales se va a retroalimentar, pues un paciente internado en unidad de terapia sigue generando información con nuevos análisis, laboratorio y estudios.
Puede ocurrir que ese paciente reduzca o incremente su riesgo, y después esos datos ayuden para la entrada a la Unidad Coronaria o para la salida.
El sistema también podría ayudar a un médico a decidir en la necesidad de liberar una cama para pacientes más graves.