Utilizan la inteligencia artificial para la toma de las mejores decisiones clÃnicas y el análisis de datos en salud
Dimor Projects, The e-Health Factory apuesta por el Real World Data con análisis Big Data Salud “para implantar sistemas predictivos en los centros sanitarios que nos permitan tomar las mejores decisiones clÃnicas en base al análisis previo por patologÃa de las historias clÃnicas anonimizadas de todos los pacientes tratados con esa misma patologÃa en el centro hospitalario”. Ha señalado el CEO de la compañÃa Rafael DÃaz Zamora.
Dimor Projects está actualmente realizando proyectos piloto de Real World Data en la Comunidad de Madrid y, en breve, extenderá el análisis de datos en salud a otras comunidades autónomas debido a la demanda tanto de la dirección de hospitales de referencia, “como de las propias consejerÃas de salud que buscan mejorar los resultados, ganar en eficiencia y personalizar la sanidad para asà mejorar sustancialmente la atención al paciente”, ha puntualizado DÃaz Zamora
Los sistemas de ayuda a la decisión clÃnica son necesarios para que los profesionales sanitarios tengan acceso a la evidencia cientÃfica más reciente y puedan elegir asà el mejor tratamiento. Sin embargo, el coste de la puesta en marcha de estos sistemas es “extremadamente alto”, por lo que es necesario que sean compartidos para hacer asequible su adopción “a gran escala”.
Según la UPV, la diversidad de las tecnologÃas y estándares utilizados hoy en dÃa “impiden que estos sistemas de ayuda puedan compartirse de forma efectiva entre organizaciones, hospitales y otros centros sanitarios de diferentes sistemas de salud dentro de un mismo paÃs”.
Para paliar este déficit, los investigadores de las tres instituciones han desarrollado una nueva técnica de inteligencia artificial que “mapea” la información de los sistemas de salud, “haciendo accesible a todos los profesionales médicos los sistemas de ayuda a la decisión clÃnica, independientemente de dónde se hayan desarrollado y bajo qué tecnologÃa o estándar”. En cierto modo, según ha explicado, esta técnica “permite generar bibliotecas nacionales distribuidas de sistemas de ayuda a la decisión clÃnica”.
Según describe Luis Marco, investigador del Norwegian Centre for E-health Research y colaborador del grupo SABIEN-ITACA de la UPV, esta técnica permite acceder a la guÃa clÃnica computerizada -es decir, el sistema de ayuda a la decisión- “que al final es un acuerdo de expertos sobre la mejor forma de tratar una determinada patologÃa. Esto significa acceder a la mejor evidencia disponible y tomar decisiones a partir de ella”.
El sistema de historia clÃnica electrónica, al detectar un estado de un paciente con una patologÃa concreta, se conecta al sistema de ayuda a la decisión y determina “cuál es la mejor forma de proceder según la guÃa”. Con ello hace una “recomendación” al clÃnico que, al final, es quien decide si seguir el consejo o no de acuerdo a su criterio.
Servicios web semánticos
La técnica está basada en la aplicación de servicios web semánticos que utilizan inteligencia artificial para que las máquinas puedan localizar y acceder a los sistemas de ayuda. “Por poner un ejemplo: un médico tiene un paciente con una patologÃa cardÃaca. ¿Cómo ayudarÃa esta técnica? Si la guÃa clÃnica para tratar la fibrilación atrial se ha desarrollado, por ejemplo, en el Hospital de La Fe, permitirÃa a otro centro conectarse a esa guÃa electrónica y que sus clÃnicos la puedan usar en el tratamiento de sus pacientes”, ha indicado Luis Marco.
Suponiendo que se encuentren en la misma red de salud, la técnica desarrollada define con lógica matemática (entendible por ordenadores) aspectos como la funcionalidad del sistema, sus desarrolladores, la organización donde está hospedado, los criterios de uso, la literatura en la que está basado o los mensajes que acepta para generar una recomendación.
“Con todo eso es posible determinar si el sistema es susceptible de ser usado en un determinado escenario y, lo que es más importante, entender su respuesta sin ambigüedad”, ha señalado la UPV.
Para paliar este déficit, los investigadores de las tres instituciones han desarrollado una nueva técnica de inteligencia artificial que “mapea” la información de los sistemas de salud, “haciendo accesible a todos los profesionales médicos los sistemas de ayuda a la decisión clÃnica, independientemente de dónde se hayan desarrollado y bajo qué tecnologÃa o estándar”. En cierto modo, según ha explicado, esta técnica “permite generar bibliotecas nacionales distribuidas de sistemas de ayuda a la decisión clÃnica”.
Según describe Luis Marco, investigador del Norwegian Centre for E-health Research y colaborador del grupo SABIEN-ITACA de la UPV, esta técnica permite acceder a la guÃa clÃnica computerizada -es decir, el sistema de ayuda a la decisión- “que al final es un acuerdo de expertos sobre la mejor forma de tratar una determinada patologÃa. Esto significa acceder a la mejor evidencia disponible y tomar decisiones a partir de ella”.
El sistema de historia clÃnica electrónica, al detectar un estado de un paciente con una patologÃa concreta, se conecta al sistema de ayuda a la decisión y determina “cuál es la mejor forma de proceder según la guÃa”. Con ello hace una “recomendación” al clÃnico que, al final, es quien decide si seguir el consejo o no de acuerdo a su criterio.
Servicios web semánticos
La técnica está basada en la aplicación de servicios web semánticos que utilizan inteligencia artificial para que las máquinas puedan localizar y acceder a los sistemas de ayuda. “Por poner un ejemplo: un médico tiene un paciente con una patologÃa cardÃaca. ¿Cómo ayudarÃa esta técnica? Si la guÃa clÃnica para tratar la fibrilación atrial se ha desarrollado, por ejemplo, en el Hospital de La Fe, permitirÃa a otro centro conectarse a esa guÃa electrónica y que sus clÃnicos la puedan usar en el tratamiento de sus pacientes”, ha indicado Luis Marco.
Suponiendo que se encuentren en la misma red de salud, la técnica desarrollada define con lógica matemática (entendible por ordenadores) aspectos como la funcionalidad del sistema, sus desarrolladores, la organización donde está hospedado, los criterios de uso, la literatura en la que está basado o los mensajes que acepta para generar una recomendación.
“Con todo eso es posible determinar si el sistema es susceptible de ser usado en un determinado escenario y, lo que es más importante, entender su respuesta sin ambigüedad”, ha señalado la UPV.