City of Hope está transformando la práctica de la medicina al usar inteligencia artificial (artificial intelligence, AI) para predecir, con una exactitud que excede la capacidad humana, acontecimientos específicos que es probable que ocurran durante el transcurso del tratamiento de un paciente.
En City of Hope, actualmente se utilizan tres modelos de AI construidos internamente: uno para la septicemia, otro para las complicaciones de las cirugías, y el tercero para el riesgo de mortalidad en los siguientes 90 días para cuidados paliativos.
Los modelos predictivos de AI se basan en el aprendizaje automático: entrenar un algoritmo para que reconozca patrones mediante el procesamiento de millones de puntos de datos obtenidos de antecedentes de casos anónimos. Cuando hay disponible información en tiempo real de un paciente actual —sus signos vitales, análisis de laboratorio o exploraciones, por ejemplo— en milisegundos, se proporcionan predicciones, puntajes de riesgo y explicaciones recalculadas de AI a su equipo de atención.
Nasim Eftekhari, M.S., directora ejecutiva de AI aplicada y ciencia de datos en City of Hope, explicó por qué la aplicación de AI es un avance tan significativo en la atención de los pacientes.
Años de investigaciones revisadas por colegas en todo el mundo han confirmado las capacidades predictivas de la AI, y City of Hope lidera el camino para convertirla en una práctica cotidiana en la atención clínica.
El desafío principal no radicó en desarrollar estos algoritmos, sino en descubrir cómo acceder a información de los pacientes en tiempo real y procesarla, y luego proporcionar una devolución oportuna y eficaz al personal médico, y vigilar y optimizar el impacto. La solución fue integrar estas soluciones de AI con Epic, el sistema de historias clínicas electrónicas de City of Hope, el ambiente de trabajo de todos los médicos clínicos.
El modelo de AI obtiene automáticamente toda la información nueva de los pacientes de Epic. Luego, se generan las predicciones, explicaciones y acciones sugeridas y, en milisegundos, EPIC muestra resultados actualizados para los enfermeros, los médicos y el resto del equipo de atención.
El modelo para la septicemia
La septicemia es una afección, más comúnmente causada por una infección, que puede desarrollarse sin advertencia y avanzar tan rápidamente que, en horas, puede provocar daños graves a los órganos e incluso la muerte.
Entre las personas más vulnerables a la septicemia, se encuentran los pacientes de trasplantes de médula ósea. Antes de poder realizar un trasplante de células madre, los pacientes deben someterse a quimioterapia o radiación y, después del trasplante, su sistema inmunitario se reprime para evitar el rechazo.
Entre un 5 % y un 10 % de los pacientes trasplantados desarrollan septicemia, y el riesgo de que estos pacientes tengan un mal desenlace es muy elevado. Además, es posible que estos pacientes inmunodeprimidos no presenten fiebre u otros signos de infección antes de avanzar a una septicemia grave.
Hace muchos años, el hematólogo-oncólogo de City of Hope, Ryotaro Nakamura, M.D., quedó fascinado con la posibilidad de usar AI para predecir la septicemia en pacientes trasplantados, pero las publicaciones científicas no compartieron su interés.
“Estaba leyendo el Wall Street Journal, y noté que si, por ejemplo, un volcán entraba en erupción en Japón, las personas sabían, a partir de un programa informático, qué acciones en los Estados Unidos subirían o bajarían”, dijo Nakamura, profesor de Jan & Mace Siegel en Hematología y Trasplantes de Células Hematopoyéticas. “Por lo tanto, en una reunión departamental, sugerí que quizás podríamos contar con un algoritmo para predecir el riesgo de septicemia. En ese momento, era una idea tan inusual que las personas simplemente se quedaron mirándome en silencio”.
No obstante, Nakamura no abandonó la idea, y finalmente consiguió un aliado y socio, Sanjeet Dadwal, M.D., profesor y jefe de la División de Enfermedades Infecciosas, cuya experiencia fue vital para la creación de un modelo para la septicemia. Juntos, trabajaron con el equipo de AI y ciencia de datos aplicadas y Eftekhari, quien encabezó este desarrollo. A la fecha, el modelo se ha estado utilizando en City of Hope durante casi dos años.
“Los pacientes se controlan regularmente, y el dispositivo nos proporciona una puntuación para la probabilidad de septicemia, en base a la curva de ROC (características operativas del receptor)”, explicó Dadwal. “Si aparece una alerta amarilla o roja en la pantalla de Epic, controlamos al paciente más de cerca y es posible que hagamos cambios en el uso de antibióticos según las indicaciones clínicas”.
Dado que la septicemia puede desarrollarse antes de que los síntomas se tornen aparentes, la devolución de información proporcionada por este modelo de AI puede salvar vidas.
Predicción de complicaciones de las cirugías
“Como cirujana, pienso mucho en las posibles complicaciones, que van desde hemorragia y heridas sin sanar hasta neumonía, eventos cardíacos, discapacidades, e incluso la muerte”, dijo la cirujana colorrectal de City of Hope, Lily Lau Lai, M.D. “Tener una mejor capacidad para predecir quién tiene riesgo de sufrir complicaciones posoperatorias puede ayudar con la optimización preoperatoria del paciente, así como mejorar el proceso de consentimiento para el paciente y la familia”.
Esto llevó a Lai a proponer un modelo de AI para las complicaciones de las cirugías.
Si bien hay modelos publicados y validados para evaluar el riesgo de complicaciones posoperatorias, no eran ideales para la población de City of Hope.
“La calculadora de riesgos quirúrgicos del Colegio Americano de Cirujanos (NSQIP por sus siglas en inglés), por ejemplo, se desarrolló en mayor parte en pacientes sin cáncer”, dijo Lai. “Además, la calculadora observa específicamente el riesgo para operaciones individuales en un solo órgano. Con frecuencia, tenemos pacientes que necesitan someterse a una cirugía de varios órganos a la vez. La calculadora simplemente no era muy exacta en nuestro caso.”
El modelo de AI de City of Hope para complicaciones de las cirugías se puso en marcha en noviembre de 2021, y Lai lo considera una herramienta indispensable.
“Procesar millones de bits de información, mucho más que lo que la mente humana es capaz de procesar, es algo realmente maravilloso”, dijo Lai. “Y que esos datos se analicen con un puntaje de riesgo solo nos ayudará a tomar mejores decisiones”.
Predicción de la mortalidad a 90 días
Cuando las personas oyen hablar por primera vez acerca de un modelo de AI que puede predecir la muerte en los siguientes 90 días, su reacción es casi siempre, “Guau, ¿cómo?”.
Sin embargo, la realidad es que no es tan impactante como podría parecer. Incluso sin la AI, predecir la mortalidad es algo que los profesionales deben evaluar a fin de proporcionar el mejor tratamiento médico posible y la mejor planificación anticipada de la atención posible.
“Se trata enteramente de los deseos del paciente, de sus valores. Respetar las preferencias de un paciente es nuestro objetivo principal, y hacemos un gran esfuerzo para comprender y capturar estas preferencias mediante conversaciones e instrucciones anticipadas de alta calidad”, dijo el médico de cuidados paliativos, Finly Zachariah, M.D., que ayudó a desarrollar el modelo de AI. “Fomentamos el uso de Prepare for Your Care (Prepárese para su cuidado), una herramienta desarrollada por investigadores en la University of California San Francisco. Es sencilla para las personas de mayor edad, fácil de usar y producirá una instrucción detallada que se puede ingresar en nuestro sistema de historias clínicas electrónicas”.
Sin embargo, históricamente, dichas preferencias se han ignorado con frecuencia. En un estudio de la California Healthcare Foundation, se preguntó a las personas dónde deseaban estar cuando murieran. El setenta por ciento dijo que preferían morir en su casa, pero solo el 32 % de las muertes efectivamente ocurrieron allí, mientras que el 42 % ocurrieron en un hospital y el 18 % en una residencia para ancianos. Una razón para ello: Si bien casi el 80 % dijo que les gustaría hablar con un médico sobre sus deseos para sus últimos días de vida, solo el 7 % efectivamente lo hizo.
Los pacientes que están cerca del final también tienen que tomar decisiones en cuanto a su tratamiento, que frecuentemente implican decisiones que contraponen el tiempo de vida restante a la calidad de vida.
“Obviamente, nuestro deseo es maximizar la disponibilidad de tratamientos y ensayos clínicos nuevos, pero en casos en los que quizás no haya mucho tiempo, ¿el paciente quiere someterse a las cargas de la terapia o preferiría estar en su casa con sus seres queridos?”, dijo Zachariah. “El paciente es el capitán del barco, y queremos respetar sus valores, preferencias y prioridades, y garantizar que estén alineadas con las elecciones de tratamiento y la prestación de la atención”.
Lo que depara el futuro
“Implementar los tres primeros modelos nos ha proporcionado la infraestructura, los procesos y las políticas para desarrollar e implementar muchísimos modelos más con muchos menos tiempo y esfuerzo”, dijo Eftekhari.
Un proyecto en marcha es un modelo predictivo de la experiencia de los pacientes, que considerará muchas variables de los pacientes, incluidos características demográficas, factores socioeconómicos, barreras idiomáticas y otros datos a los que es posible que el equipo de atención no tenga un acceso oportuno.
También hay modelos de AI en desarrollo que podrían ayudar a descubrir lo que aún se desconoce sobre las mutaciones genéticas y aclarar detalles sutiles en imágenes médicas. Estos modelos podrían explicar misterios como, por ejemplo, por qué dos pacientes con una enfermedad y características demográficas idénticas responden de manera diferente al mismo tratamiento.
Pero, ¿la AI reemplazará a los médicos? Decididamente, no.
Los modelos de AI son herramientas formidables para ayudar a los médicos clínicos a tomar decisiones, pero muchos aspectos de la afección de un paciente no pueden cuantificarse.
“El dispositivo no es un médico con años de experiencia al lado del enfermo, con conocimiento acumulado y experiencia de la vida real con cada paciente”, dijo Dadwal. “Esto es lo que un dispositivo no puede aprender. Aquí es donde la medicina se convierte en arte”.