Ir al contenido principal

REMI 2212. Inteligencia artificial y uso de "Machine Learning" en el futuro de la atención sanitaria

ARTÍCULO ORIGINAL: Using Supervised Machine Learning to Classify Real Alerts and Artifact in Online Multisignal Vital Sign Monitoring Data. Chen L, Dubrawski A, Wang D, Fiterau M, Guillame-Bert M, Bose E, Kaynar AM, Wallace DJ, Guttendorf J, Clermont G, Pinsky MR, Hravnak M. Crit Care Med 2016; 44(7): e456-e463. [Resumen] [Artículos relacionados] [Texto completo]
   
INTRODUCCIÓN: Durante la monitorización no invasiva de constantes vitales se producen artefactos que hacen saltar las alarmas sin que realmente esto represente una inestabilidad hemodinámica. Se ha estudiado el uso que podría hacerse del aprendizaje automático “Machine Learning” para crear programas capaces de detectar falsas alarmas a partir del aprendizaje de patrones.
  
RESUMEN: Se monitorizaron las constantes vitales (ECG, FC, FR, PA, saturación de oxígeno) de todos los pacientes en una unidad de cuidados intermedios de Traumatología durante 23 meses. Las alertas registradas durante la monitorización se clasificaron en tres categorías según su duración: en una categoría se incluían las alertas aisladas, en otra cuando aparecían dos alertas seguidas y en otra se incluían alertas consecutivas que duraban al menos tres minutos. Esta última categoría fue la que se seleccionó para el estudio. Se revisaron las alertas por dos expertos que las clasificaron como reales, artefactos o imposibles de clasificar. Si la concordancia entre los dos revisores no era lo suficientemente fuerte, las alertas se revisaban además por un comité de expertos. Cada tanda de alarmas fue analizada por un algoritmo de aprendizaje automático llamado “Active RIPR” (Active Regression for Informative Projection Retrieval). Se realizaron dos pruebas, en una se clasificaron las alertas en reales o artefactos desde el momento en el que la alarma saltaba hasta los tres minutos de la racha. En otra, se realizaba esta misma clasificación pero a lo largo de toda la monitorización, con secuencias de tres minutos cada 20 segundos. En los resultados, se vio que se discriminaba de forma adecuada entre artefactos e inestabilidad hemodinámica real en tres tipos de constantes vitales, siendo mayor en la frecuencia respiratoria y algo menor para la presión arterial y la saturación de oxígeno. Los artefactos de frecuencia cardiaca fueron insuficientes para crear de manera fiable un modelo de alerta. Además, la capacidad de discriminación entre real o artefacto era mejor a mayor tiempo de duración de la alarma.
   
COMENTARIO: Dada la frecuencia de artefactos que se producen durante la monitorización hemodinámica, es interesante el desarrollo de alarmas inteligentes que puedan detectar las características diferentes entre ambas. Sin embargo, parece que el factor humano es algo difícil de suprimir en estas situaciones (por ejemplo, por la valoración del contexto clínico) y surge la duda de hasta qué punto una máquina sería capaz de discriminar entre inestabilidad hemodinámica real o artefacto.
   
Isabel Conejo Márquez, Federico Gordo Vidal (*)
Hospital Universitario del Henares, Coslada, Madrid.
(*) Universidad Francisco de Vitoria.
© REMI, http://medicina-intensiva.com. Mayo 2017.
      
ENLACES:
  1. Multicenter Comparison of Machine Learning Methods and Conventional Regression for Predicting Clinical Deterioration on the Wards. Churpek MM, Yuen TC, Winslow C, Meltzer DO, Kattan MW, Edelson DP. Crit Care Med 2016; 44: 368-374. [PubMed]
BÚSQUEDA EN PUBMED:
  • Enunciado: Aprendizaje de la máquina ("machine learning") para la predicción precoz de deterioro clínico
  • Sintaxis: machine learning clinical early risk prediction 
  • [Resultados]

Comentarios

Entradas populares de este blog

REMI 2144. La inutilidad de la presión venosa central para valorar la necesidad de fluidos, en cifras

ARTÍCULO ORIGINAL: Systematic review including re-analyses of 1148 individual data sets of central venous pressure as a predictor of fluid responsiveness. Eskesen TG, Wetterslev M, Perner A. Intensive Care Med 2016; 42(3): 324-332. [Resumen] [Artículos relacionados] INTRODUCCIÓN: El tratamiento de los distintos tipos de shock se basa en una combinación de fluidos, vasopresores e inotropos. En todos los casos, para maximizar el gasto cardiaco es necesario tener una precarga suficiente, pero el exceso de volumen se asocia a resultados adversos. Se ha comprobado que el 50% de los pacientes críticos no responden a la infusión rápida de líquidos con un aumento del gasto cardiaco; disponer de un parámetro capaz de predecir la respuesta a volumen es por tanto una guía fundamental para el tratamiento de los pacientes con compromiso hemodinámico [1]. A pesar de que los estudios previos han mostrado que la presión venosa central (PVC) no sirve para predecir la respuesta a volumen [2], este par…

REMI 2199. Influencia de la intubación traqueal en la supervivencia de la parada cardiaca hospitalaria en adultos

ARTÍCULO ORIGINAL: Association between tracheal intubation during adult in-hospital cardiac arrest and survival. Andersen LW, Granfeldt A, Callaway CW, Bradley SM, Soar J, Nolan JP, Kurth T, Donnino MW. for the American Heart Association's Get with Guidelines-Resuscitation investigators. JAMA 2017; 317: 494-506. [Resumen] [Artículos relacionados] INTRODUCCIÓN: La intubación traqueal durante la resucitación de la parada cardiaca, según las recomendaciones internacionales [1], es un procedimiento que no se debe realizar inicialmente y solamente por profesionales expertos, dando prioridad a compresiones torácicas ininterrumpidas. Al igual de otras intervenciones, como la administración de adrenalina, no se dispone de ensayos clínicos que demuestren sus efectos, aunque existe cierta evidencia contra su empleo [2]. RESUMEN: Análisis retrospectivo sobre el registro prospectivo multicéntrico de paradas cardiacas hospitalarias “Get with Guidelines-Resuscitation registry” (2000-2014). El …

A152. Neumonía asociada a cuidados sanitarios (NACS)

1. Concepto
Se denomina “neumonía asociada a cuidados sanitarios” (NACS) a la ocurrida en pacientes que han estado en contacto reciente con la asistencia sanitaria, pero que no se encuentran (o llevan menos de 48 horas) hospitalizados. La NACS representa un elevado porcentaje de las neumonías extrahospitalarias que requieren ingreso hospitalario, y no deben confundirse con neumonías comunitarias; en una reciente revisión sistemática, la NACS supuso entre el 17 y el 67% de todas las neumonías extrahospitalarias, con una media del 36% [1]. Esta cifra coincide con la de un estudio reciente realizado en 72 servicios de Medicina Interna de 66 hospitales españoles, en el que el 34% de las neumonías extrahospitalarias que habían requerido ingreso eran asociadas a cuidados de la salud [2].

El contacto con el sistema sanitario aumenta la probabilidad de que la infección pueda estar causada además de por los microorganismos habituales de la neumonía adquirida en la comunidad (NAC), por otros …