Poder predecir cuántos pacientes pueden llegar a urgencias de un hospital o saber los que deben ser admitidos en el hospital, puede ayudar a planificar la distribución de las camas.
Ahora, investigadores del Colegio Universitario de Londres han diseñado una herramienta basada en inteligencia artificial que es capaz de predecir las camas que se van a necesitar en el centro hospitalario hasta 48 horas antes. Para ello, los investigadores han utilizado los datos procedentes de los pacientes que llegan a urgencias.
En su estudio, el equipo de investigación demostró que la herramienta era más precisa que el punto de referencia convencional utilizado por los planificadores, basado en el número promedio de camas necesarias el mismo día de la semana durante las seis semanas anteriores.
La herramienta, que también da cuenta de los pacientes que aún no han llegado al hospital, también proporciona información mucho más detallada que el método convencional. En lugar de una predicción de una sola cifra para el día en general, la herramienta incluye una distribución de probabilidad de cuántas camas se necesitarán en cuatro y ocho horas y proporciona sus pronósticos cuatro veces al día, enviados por correo electrónico a los planificadores de hospitales. El equipo de investigación ahora está refinando los modelos para que puedan estimar cuántas camas se necesitarán en diferentes áreas del hospital.
El equipo de investigación demostró que la herramienta era más precisa que el punto de referencia convencional utilizado por los planificadores
Para desarrollar la herramienta de IA, los investigadores entrenaron 12 modelos de aprendizaje automático utilizando datos de pacientes registrados en UCLH entre mayo de 2019 y julio de 2021. Estos modelos evaluaron la probabilidad de que cada paciente sea admitido en el hospital desde el departamento de emergencias según datos que van desde la edad y cómo llegó el paciente al hospital, hasta los resultados de las pruebas y el número de consultas, y combinó estas probabilidades para obtener una estimación general del número de camas necesarias.
Al comparar las predicciones de los modelos con las admisiones reales entre mayo de 2019 y marzo de 2020, el equipo descubrió que los modelos superaron al método convencional, con predicciones centrales con un promedio de cuatro admisiones fuera de la cifra real en comparación con el método convencional, que fue en promedio 6,5 admisiones por fuera.
“Nuestros modelos de IA brindan una imagen mucho más completa sobre la probable demanda de camas a lo largo del día. Hacen uso de los datos del paciente en el instante en que se registran estos datos. Esperamos que esto pueda ayudar a los planificadores a administrar el flujo de pacientes, una tarea compleja que implica equilibrar los pacientes planificados con las admisiones de emergencia. Esto es importante para reducir la cantidad de cirugías canceladas y garantizar una atención de alta calidad”, ha señalado Zella King, uno de los investigadores.
“Esta herramienta de IA será enormemente valiosa para ayudarnos a administrar las admisiones y el flujo de pacientes en UCLH. Nuestro próximo paso es comenzar a usar las predicciones en reuniones de flujo diario. Esperamos continuar trabajando con UCL para refinar la herramienta y expandir su poder predictivo en todo el hospital”, ha añadido Alison Clements, jefa de operaciones, flujo de pacientes y preparación para emergencias, resiliencia y respuesta en UCLH.