Desarrollo de herramientas de Machine Learning para predecir el Fracaso Renal Agudo (Parte 2)

Recibiendo la información a tiempo

En la nota anterior comentábamos como la compañía DeepMind había desarrollado un modelo computacional que ayudaba a identificar pacientes con elevado riesgo de desarrollar fracaso renal agudo hasta con 48 horas de antelación, pero este no es el único ámbito de los servicios sanitarios en el que desean enfocar sus esfuerzos.

Otro punto que consideran importante en la práctica clínica habitual es la transmisión de la información y la alerta de especialistas. En múltiples centros hospitalarios de todo el mundo disponemos de móviles, buscas, pagers, informes y registros de salud electrónicos y en papel, correos electrónicos corporativos y fax para la recepción y producción de alertas, así como para compartir información entre profesionales médicos. Pero en ocasiones sigue siendo insuficiencia si no hay una adecuada estructura organizativa para aprovechar estas tecnologías.

Con la intención de mejorar esta situación, el equipo de DeepMind ha desarrollado una aplicación móvil de asistencia médica (Streams) cuya función sería la de realizar alertas tempranas a equipos de respuesta rápida o especialistas en menor tiempo que los actuales protocolos de trabajo. Para ello, en conjunto con la University College London se realizó un estudio que comparaba el uso de esta tecnología y protocolo de manejo del fracaso renal agudo adaptado vs la práctica habitual en dos centros hospitalarios hermanos del National Health Service (NHS, Servicio Nacional de Salud) del Reino Unido.

Resultados

Los principales parámetros por evaluar fueron los siguientes: recuperación de creatinina a cifras basales, supervivencia a los 30 días, necesidad terapia renal sustitutiva o ingreso en unidad de cuidado intensivo, empeoramiento del fracaso renal y duración de la estadía.  Los resultados, sin embargo, no demostraron diferencias significativas al evaluar estos ítems, con excepción del tiempo necesario para reconocer la presencia de Fracaso Renal Agudo y para el tratamiento de nefrotoxicidad que mejoraron significativamente.

Por otro lado, en análisis secundarios del estudio realizado, se pudo comprobar que existieron otros beneficios de la intervención que no habían sido contemplados en el análisis primario. Por ejemplo, el tiempo que se tardó para que los nefrólogos recibieran alertas de pacientes con posibles fracasos renales se redujo hasta una media de 15 minutos. Además,  se redujo el tiempo de estancia hospitalaria, lo que a su vez generaría importantes ahorros para el sistema sanitario.

Estos resultados son concordantes con otros estudios que incorporan nuevos algoritmos y alertas digitales, no obstante, queda por dilucidarse exactamente cuales son los procesos del algoritmo que favorecen estos resultados.

Enlace a los artículos aquí, aquí y aquí.

Gustavo A. Useche Bonilla. Residente de 4º año.

Dra. Ana Oltra. Coordinadora del blog.

Servicio de Nefrología. CHGUV