En términos de salud, los historiales clínicos de los pacientes se erigen como uno de los elementos más importantes. Toda su vida está recogida en esta y, en el caso de España, se pide desde hace ya demasiado tiempo avanzar hacia una historia clínica única como uno de los requisitos imprescindibles para mejorar y optimizar la atención de cualquier ciudadano independientemente de la zona en la que se encuentre.
Los formatos electrónicos se han adoptado rápidamente con el objetivo de ahorrar tiempo y mejorar la calidad de atención del paciente. Pero nos enfrentamos a problemas como las interfaces fragmentadas, distintos programas y plataformas que no están unificados o la tediosa labor que supone en muchos momentos añadir datos. Un escenario en el que los profesionales médicos, en muchas ocasiones, dedican más tiempo a intentar solucionar este tipo de fallos que a la interacción con los pacientes.
Con el objetivo de ofrecer una solución que satisfaga a todas las partes, un grupo de investigadores del MIT y del Beth Israel Deaconess Medical Center han combinado el machine learning y la interacción persona-computadora para crear un mejor registro de salud electrónico (EHR, por sus siglas en inglés). De esta forma han desarrollado MedKnowts, un sistema que unifica los procesos de búsqueda de registros médicos y documentación sobre la información del paciente en una única interfaz interactiva.
La mayoría de los EHR almacenan información histórica en páginas separadas y enumeran los medicamentos o resultados de laboratorio en orden alfabético o cronológico. Esta estructura retrasa el trabajo del profesional médico
Mediante la utilización de la inteligencia artificial, este EHR muestra de forma automática los registros médicos personalizados y específicos de un paciente cuando un profesional médico los requiere. MedKnowts también proporciona la opción de autocompletar para términos clínicos y así hacer más eficiente el trabajo de los médicos.
“En los orígenes de las historias clínicas electrónicas (HCE, por sus siglas en inglés) existía un tremendo entusiasmo relacionado con el hecho de que organizar toda la información sería útil para poder realizar un seguimiento de los registros, pero no se detuvieron a pensar si sería útiles para los médicos”, declara en MIT News David Karger, profesor de Informática en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial y autor principal del artículo.
Para diseñar una HCE que resultase útil para los profesionales médicos, los creadores del proyecto tenían claro que debían pensar como médicos. Para ello crearon un editor para tomar notas con un panel lateral que muestra la información relevante del historial médico del paciente. Esta información aparece en forma de tarjetas focalizadas en problemas y/o conceptos particulares. Por ejemplo, si MedKnowts identifica el término “diabetes” en el texto redactado por el médico, automáticamente se le muestran una “tarjeta de diabetes” que contiene medicamentos, valores de laboratorio y fragmentos de registros anteriores que pueden ser relevantes para el tratamiento de la diabetes.
“Queremos crear herramientas que permitan a los médicos crear sus propias herramientas. No esperamos que los médicos aprendan a ser programadores, pero con el apoyo adecuado podrían personalizar cualquier aplicación médica que estén utilizando para que se adapten a sus propias necesidades y preferencias”
La mayoría de los EHR almacenan información histórica en páginas separadas y enumeran los medicamentos o resultados de laboratorio en orden alfabético o cronológico. Esta estructura retrasa el trabajo del profesional médico.
“Esto se asemeja más a la forma en la que los médicos piensan sobre la información. Muchas veces lo hacen así de forma subconsciente. Miran una página de medicamentos y solo se enfocan en aquellos que son relevantes para las condiciones actuales del paciente. Estamos ayudando a hacer ese proceso de forma automática y ayudar a que tengan más tiempo para pensar en lo más complejo: determinar qué le pasa al paciente y elaborar un tratamiento”, declara Luke Murray, uno de los investigadores participantes en el proyecto.
Después de un proceso de diseño de más de un año los investigadores probaron MedKnowts mediante la implementación del software en el departamento de emergencias del Beth Israel Deaconess Medical Center en Boston. Trabajaron con un médico de emergencias y cuatro administrativos del hospital. En un mes la plataforma recibió una puntuación de 83,75 (sobre 100) en términos de usabilidad, con una mención especial a la función de autocompletar.
Los investigadores planean mejorar los algoritmos de aprendizaje automático que impulsan MedKnowts para que el sistema pueda ser todavía más efectivo. Quieren consultar además las necesidades de los profesionales médicos más allá del servicio de urgencias ya que, por ejemplo, un médico de Atención Primaria no tiene las mismas necesidades. A largo plazo, los responsables de esta plataforma prevén la creación de un sistema adaptativo al que los médicos puedan contribuir y se encuentran estudiando diversas vías para su comercialización y expansión.
“Queremos crear herramientas que permitan a los médicos crear sus propias herramientas. No esperamos que los médicos aprendan a ser programadores, pero con el apoyo adecuado podrían personalizar cualquier aplicación médica que estén utilizando para que se adapten a sus propias necesidades y preferencias”, concluye Karger.