Diversos hospitales españoles aplican programas de Inteligencia Artificial en sus servicios de Medicina Preventiva y Salud Pública

La vigilancia de las infecciones relacionadas con la asistencia sanitaria (IRAS) es de vital importancia para su prevención y control, pero esta vigilancia, en algunos centros sanitarios se lleva a cabo recopilando la información de forma manual, lo que es difícilmente sostenible debido al gran número de pacientes a vigilar, variables a recoger, la extensión de los periodos de vigilancia y por supuesto, la escasez de los recursos para ello. Esta dificultad se puso de manifiesto durante la celebración del XXII Congreso Nacional y XI Internacional de la Sociedad Española de Medicina Preventiva, Salud Pública y Gestión Sanitaria (SEMPSPGS) que se está celebrando en el Auditorium de Palma de Mallorca y durante el cual algunos hospitales presentaron su experiencia en el uso de la inteligencia artificial en estas cuestiones.

Si bien con la creciente digitalización de la información médica y la llegada de la Historia Clínica Electrónica estos datos son más accesibles y se consigue aumentar la eficiencia en su análisis para la toma de decisiones, permitiendo una detección en tiempo real de las infecciones y por tanto la puesta en marcha inmediata de acciones de mejora, el uso de la inteligencia artificial puede mejorar notablemente estas cuestiones.

La gestión eficiente de los recursos hace necesario eliminar tareas que no aportan valor a los profesionales y reorganizar dichas tareas automatizando la gestión de los datos en la medida de lo posible, lo cual favorece un mayor control de calidad y evita el error humano.

Actualmente, en nuestro país, algunos hospitales ya están usando la inteligencia artificial para llevar a cabo estas funciones, reducir el tiempo dedicado a tareas repetitivas y los errores humanos, y poder dedicar este tiempo al análisis técnico que requiere mayor conocimiento.

Un ejemplo es el Hospital Reina Sofía de Córdoba que ha incorporado el uso del lenguaje de programación R, y su IDE (entorno integrado de desarrollo) RStudio, para elaborar informes automatizados. Este sistema sustituye las tareas administrativas que venían desarrollando los facultativos en Córdoba. Se han automatizado la gestión de EDOs y aislamientos, a partir del censo del hospital, alertas de aislamientos individualizadas, y último censo de pacientes aislados por SARS-CoV-2.

El informe comprueba de manera automatizada: la continuidad del paciente aislado por SARs-CoV-2, por ejemplo y la variación en los aislamientos, la ubicación en camas “COVID”, sean de UCI o de Hospitalización, y los movimientos de los pacientes que se encontraban en aislamiento. El nuevo informe automatizado se validó por dos facultativos durante dos semanas para comprobar la ausencia de fallos entre el método anterior y el nuevo.

De esta manera, se redujo el número de fallos y el tiempo hasta su reparación, así como la dedicación de los facultativos a tareas no cualificadas que actualmente reparten entre otras que precisan una atención más individualizada y especializada.

Otro de los centros sanitarios que están aplicando la Inteligencia Artificial es el Complejo Hospitalario Universitario de Ourense que desde el 2014 utiliza la Inteligencia Artificial para la automatización de la vigilancia de Infecciones Relacionadas con la Asistencia Sanitaria, incorporándose en 2018 en todos los hospitales del Servicio Galego de Saúde

InNoCBR es un sistema para la identificación y diagnóstico de IRAS basado en la captura automática de información de diferentes fuentes de datos hospitalarios (Big Data) y la aplicación de técnicas de inteligencia artificial para el diagnóstico de infecciones.

Su funcionamiento diario se centra en un sistema de avisos en el día a día para la gestión de alertas epidemiológicas y aislamientos, la gestión de casos de estudio con propuestas de casos de IRAS/No IRAS; y facilita la consulta de infecciones analizadas día a día, y la elaboración de informes periódicos: generales, específicos quirúrgicos, IRAS y uso de dispositivos, resistencias antimicrobianas…

Siguiendo en esta línea, en el hospital Fundación Jiménez Díaz (FJD) de Madrid, desde 2022 se realiza la vigilancia automatizada de la infección protésica de cadera, tras la validación de sistema basado en métodos de Big Data e Inteligencia Artificial con un Valor Predictivo Negativo del 99,98%. Esto está permitiendo la detección de las infecciones en tiempo real con la consecuente puesta en marcha de acciones de mejora de forma precoz, pero también, incrementar el número de cirugías a vigilar.

La vigilancia automatizada de la bioseguridad ambiental en cuanto a la calidad del aire es otro de los procesos automatizados en la FJD. El volcado automático de los resultados microbiológicos, generando la clasificación del riesgo según normativa, nos ha permitido reducir de forma importante el tiempo “administrativo” que el personal de enfermería del servicio de medicina preventiva dedicaba a esta tarea.

Además, el uso de “App” en el móvil del personal de enfermería de medicina preventiva de FJD para la evaluación de diferentes procesos como la higiene de manos y limpieza, permite no sólo reducir tiempos administrativos, sino la generación inmediata de los informes.

Otro ejemplo de automatización expuesto durante el Congreso de la SEMPSPGS es el Registro Gallego de Tumores (REGAT) que nace en 2010 como iniciativa que armoniza los intereses de un registro poblacional y de los registros hospitalarios.

REGAT se sustenta en dos ejes fundamentales: homogeneización: para garantizar la comparabilidad, y por tanto, la calidad de la información, e integración: para facilitar el registro, aunando esfuerzos y reduciendo costes de mantenimiento. REGAT potencia los métodos de recogida automática de datos sobre tumores, para ello se aprovecha la situación del sistema de información sanitario gallego, que cuenta con: aplicaciones corporativas comunes a todos los centros del sistema sanitario (Anatomía Patológica, CMBD) y compatibles con otras bases como la del Rexistro de Mortalidade de Galicia; y mecanismos de identificación única del paciente en los sistemas de información sanitarios, a través de la base de datos poblacional de Tarxeta Sanitaria.

REGAT cumple los siguientes requisitos fundamentales:

• • Tiene un alto nivel de automatización en la recogida y tratamiento de los datos de los sistemas asistenciales
  • Establece circuitos “multinivel” de validación de casos
  • Es un registro flexible puesto que permite su ampliación
  • Implementa estándares internacionales de codificación y registro
  • Establece circuitos y procedimientos que garantizan la calidad de la información
  • Cuenta con un sistema de análisis de datos integrado en la arquitectura de SIAC, ya implantada en la organización sanitaria gallega.

La implantación de sistemas de automatización de datos puede suponer una mejora en la calidad asistencial que reciben los pacientes, así como una reducción de los costes