Fuente: Liliana Iglesias
Servicio de Notas de Interés de Management en Salud. Management en Salud es una publicación electrónica que diariamente difunde temas relacionados con la Gestión de Instituciones de Salud. El presente blog es el canal utilizado por Management en Salud para publicar Noticias Diarias.
El
nuevo servicio de Amazon aprovecha el reconocimiento del habla y la IA
generativa para crear automáticamente documentación clínica a partir de conversaciones
entre el paciente y el médico. AWS es el último gigante tecnológico que busca
aprovechar los algoritmos para agilizar la toma de notas médicas.
Con
el objetivo de ahorrar tiempo a los médicos al momento de generar documentación
clínica, AWS presentó un nuevo servicio que permite a los proveedores de
softwares sanitarios crear aplicaciones clínicas que utilizan el
reconocimiento de voz y la IA generativa.
Se
trata de AWS HealthScribe, que permite a los proveedores de softwares
sanitarios utilizar una única API para crear automáticamente transcripciones
sólidas, extraer detalles clave (por ej., términos médicos y medicaciones) y
crear resúmenes de conversaciones entre médicos y pacientes que luego se pueden
introducir en un sistema de historia clínica electrónica (HCE).
De
esta forma, AWS HealthScribe agiliza y facilita a los proveedores la
integración de capacidades de IA generativa en sus aplicaciones, sin necesidad
de administrar la infraestructura de aprendizaje automático (ML) subyacente ni de
entrenar sus propios modelos de lenguaje de gran tamaño (LLM) específicos
para el sector sanitario.
Asimismo,
el servicio permite la implementación responsable de sistemas de
IA al citar la fuente de cada línea de texto generado desde la
transcripción de la conversación original, lo que facilita a los médicos la
revisión de las notas clínicas antes de introducirlas en la HCE.
Sobre
la IA Generativa
IA
generativa es un término general para cualquier tipo de proceso automatizado
que utilice algoritmos para producir, manipular o sintetizar datos, a menudo en
forma de imágenes o texto legible por humanos. Se llama generativa porque
la IA crea algo que no existía previamente. Eso es lo que la
diferencia de la IA discriminativa, que distingue entre distintos tipos de
datos.
A
medida que el interés por la IA generativa crece, los proveedores de softwares
sanitarios buscan aprovechar esta tecnología en sus aplicaciones clínicas
para resolver los problemas más comunes de los médicos. Uno de ellos, es la
recopilación de documentación clínica durante una conversación entre medico y
paciente. Esta documentación es importante para cumplir con las medidas de
calidad y reembolso, pero también para no quitar tiempo a los médicos durante
la atención.
Aunque
muchos proveedores utilizan la conversión de voz a texto y el procesamiento del
lenguaje natural (PLN) para agilizar este proceso, la IA generativa aparece
como la pieza que faltaba para ayudar a estas aplicaciones a pasar de las
conversaciones grabadas a una documentación clínica concisa que pueda
introducirse en una HCE.
Sin
embargo, trabajar con IA generativa es complejo y la integración de múltiples
sistemas de IA en una solución cohesiva requiere de ciertos recursos de
ingeniería. Para crear estas capacidades de IA generativa, un proveedor debe
entrenar o ajustar su propio LLM para generar documentación clínica precisa, lo
que requiere acceso a expertos en IA bajo demanda, cantidades masivas de datos
sanitarios cuidadosamente anotados y una capacidad de cálculo significativa.
Incluso
entonces, un LLM para la atención sanitaria debe estar especialmente entrenado
para comprender la compleja terminología médica, para ser capaz de entender,
analizar y resumir discusiones fluidas y para reconocer nombres de recetas y
dosis.
Además,
para garantizar que estas soluciones funcionan correctamente, los proveedores
de software también deben tener en cuenta una IA responsable, lo que incluye
diseñar la solución de modo que los médicos puedan rastrear el origen de
cualquier texto generado, así como garantizar que estos sistemas cumplan los
estrictos requisitos de seguridad y privacidad del sector.
En
conclusión, y debido a todas estas barreras, es un reto para los
proveedores de software sanitario comercializar rápidamente soluciones basadas
en IA, a pesar de los beneficios potenciales tanto para los médicos como para
los pacientes.
Fuentes: AWS
La historia clínica
electrónica (HCE) es el registro digital de la información de salud del
paciente. Cabe destacar que esta forma de documentación en salud cuenta con
muchas ventajas sobre la tradicional documentación en papel como, por ejemplo,
facilitar la atención, reducir costos y evitar errores. Asimismo, las nuevas
tecnologías extienden las potencialidades que brinda la HCE a través de
compartir información entre diferentes proveedores de atención médica y dar
mayor capacidad de almacenamiento que repercuten en una mejora de la calidad.
No obstante, la
implementación de los nuevos modelos de documentación en salud no es homogénea
y depende de las diversas instituciones. Las innovaciones conviven con el
registro en papel, además algunos profesionales médicos se resisten al cambio
tecnológico y existe una preocupación por la seguridad de la información
sensible. Este panorama híbrido acontece en medio de un cambio acelerado a
nivel mundial, el cual está signado por la preeminencia tecnológica vinculada a
los nuevos modelos de aprendizaje automáticos, o lo que se conoce como
inteligencia artificial general.
Los avances en esta materia
permiten imaginar las potencialidades del uso de técnicas de IA en el sector
salud. Para descubrir cómo puede impactar en el uso de nuevos modelos en los
sistemas de documentación en salud, Innova Salud Digital entrevistó a tres
médicos con vasta experiencia en el área: Alejandro Mauro, jefe del
Departamento de Informática Biomédica de la Clínica Alemana de Santiago de
Chile; Alejandro López Osornio, Senior Implementation Support
Specialist en SNOMED International; y Sergio Montenegro, fundador y
CEO en Integrando Salud. A continuación, los expertos nos brindan un recorrido
para comprender este enmarañado panorama.
Tecnología al servicio de la
eficiencia
Los tres profesionales de la
salud concuerdan al tener una mirada positiva acerca del uso de la tecnología y
coinciden en que los nuevos modelos de documentación consumen “menos tiempo” a
los médicos. De este modo, legitiman que estas innovaciones permiten a las
instituciones de salud documentar la atención al paciente de manera más
eficiente y efectiva.
En primer lugar, López
Osornio sostuvo: “desde el punto de vista de SNOMED vemos que se facilita la
documentación con los nuevos modelos ya que permiten registrar con más
detalle”. Por su parte, Mauro agrega que la implementación de los nuevos
modelos de registro “ocupan mucho menos tiempo a los profesionales de la salud
para hacer la documentación” y por eso evaluó que “este es el máximo beneficio”
que brindan.
No obstante, Montenegro
evidenció que no existe una homogeneidad en la implementación de la HCE y que
siempre dependen de las diversas instituciones de salud. El fundador de
Integrando Salud aportó: “Como empresa que desarrolla software ayudamos a las
instituciones a generar este cambio tecnológico, pero tenemos diversos
públicos, desde los que todavía están trabajando en papel hasta los que ya
utilizan la HCE hace años”.
“En Integrando Salud
capacitamos a profesionales que venían registrando en manuscrito a que aprendan
a registrar en una historia clínica de forma electrónica. Les explicamos
técnicas, modelos y ayudamos a traducir lo que escribió en una ficha de papel a
un sistema electrónico de forma sencilla”, manifestó Montenegro.
En esta línea de ideas,
expuso que desde su empresa deben evaluar cada uno de los contextos de las
instituciones de salud: “Por ejemplo, el modelo de texto libre, con
mínimo de estructuración que es asociado a un problema, es un avance cuando
antes la institución no tenía nada. Ahora bien, por el contrario, en otra
institución que quiere escalar porque ya lleva años usando HCE, ahí se pueden
incorporar nuevos modelos que le otorguen valor al profesional dentro de su
labor”.
Acerca de estas
innovaciones, una de las tecnologías que tiene la potencialidad de generar
mayor eficiencia en el registro es el reconocimiento de voz para la
documentación en tiempo real. Al respecto, Mauro contó su experiencia en el uso
de esta tecnología: “La información de la documentación puede ser
resumida y ya hay startups que te graban la conversación con
el paciente y después dan un resumen”. Los tres profesionales
coincidieron que este avance es asombroso ya que genera un uso eficiente de los
recursos.
Sin embargo, Montenegro
también comentó que en vínculo con esta tecnología existe un uso dispar: “En
Integrando Salud hace cinco años que ya teníamos sistema de reconocimiento de
voz dentro de la historia clínica y había un segmento de médicos que se
llevaban muy bien con la tecnología ya que simplifica su tarea. Pensamos que el
100% de los profesionales iba a querer el sistema de reconocimiento de voz,
pero resultó que solamente algunos lo usan”.
Entonces, entre los
profesionales que tienen vasta experiencia en el uso de tecnología se evidencia
que la automatización de ciertas tareas a la hora de generar la documentación
en salud puede reducir el tiempo que los médicos le dedican con las ventajas
que esto implica en la labor diaria. Pero el panorama es complejo dado que la
implementación depende de las diversas instituciones. Así la innovación
tecnológica lleva a la creación de sistemas de documentación de datos cada día
más intuitivos y fáciles de usar. Sin embargo, éstos no siempre son utilizados
en su máxima potencialidad.
El futuro de la
documentación en salud
En relación al impacto de la
IA en la documentación, López Osornio expuso: “en el futuro se va a
simplificar la documentación cuando esto madure, es decir, cuando existan las
herramientas correctas. Por un lado, algunas cosas se van a registrar
automáticamente y eso va a hacer que se registre probablemente con mayor nivel
de detalle. Hoy en día tenemos que ser explícitos a la hora de
registrar (algunas cosas en un campo y otras cosas en otro); pero a medida que
haya un proceso de análisis de lenguaje natural más maduro, creo que se va a
registrar mucho más y va a haber mucha más información estructurada que la que
existe en la actualidad”.
Al mismo tiempo, vaticinó
que se podrá “mejorar la calidad del registro” con el uso de modelos de
lenguaje natural. “Una de las posibilidades que permiten es hacer sistemas de
reglas que usen lenguaje natural, entonces podemos pensar en cómo tiene que ser
un buen registro y armar un decálogo de reglas; para dar una idea, no usar
abreviaturas, mencionar el aspecto social del paciente, etc. Después puedo
solicitarles a estos modelos que me comparen el registro con mi decálogo y ver
en cuanto coinciden e incluso que me genere una devolución”, reveló el
especialista que trabaja en SNOMED International.
En esta línea de ideas,
Alejandro Mauro, consideró que “es súper importante, en primer lugar, aprender
a entender cómo funcionan los modelos de lenguaje, por ejemplo, ver cuáles son
las limitaciones que tienen y cómo evitarlas”. En este escenario,
identificó que una función que le genera mucho entusiasmo es “la posibilidad de
usar estos modelos de lenguaje para generar documentación que sea más clara
para los pacientes”. Con todo, recordó a “Blue Button”, una iniciativa en los
Estados Unidos que permite a los pacientes acceder a su información de salud
personal en formato electrónico. Y tras esto, evaluó: “La forma en la que el
médico escribe es un dialecto, que llamamos el dialecto médico, y es muy
complicado de mostrar a los pacientes porque se utilizan muchas siglas y se
escribe muy poco, pero si solicitamos a estos modelos que empiecen a
desambiguar y darnos información inicialmente en texto libre (ni siquiera
soñando con el texto estructurado), así se puede resolver esta gran
problemática porque los modelos pueden generar una mejor documentación con el
objetivo de que lo entienda un tercero, por ejemplo, un paciente”.
Para Montenegro, en este
contexto, el rol de los expertos en informática médica es “facilitar el acceso
para todos los públicos, no sólo para los pacientes sino también para las
instituciones”. “Desde Integrando Salud estamos realizando nuestros propios
comandos de acuerdo a lo que escriben los modelos de lenguajes y probándolos
para ver si realmente eso va a hacer de ayuda o no para el médico, para eso
hacemos pruebas in situ usando modelos de lenguaje natural”,
informó.
Los principales retos
El 2023 es un año signado
por la irrupción de ChatGPT en la esfera pública, el modelo de lenguaje natural
de última generación que permite procesar grandes cantidades de información y
que incluso tiene la potencialidad de proporcionar soluciones y respuestas a
preguntas específicas. Esta tecnología ya se explora para trasladarse a un
amplio espectro de aplicaciones y lógicamente una de ellas es el área de la
salud dado que puede ser utilizada tanto para la asistencia de pacientes como
para el apoyo a los profesionales médicos. Aquí, se plantea el debate sobre su
impacto en el sector salud, en especial, por los riesgos que conlleva su uso
irreflexivo y en este punto también hay coincidencia plena de los tres
profesionales: “hay que ser precavidos”.
Montenegro pone el acento
sobre un punto relevante y manifiesta que su impacto “revolucionario” a nivel
mundial este año fue causado especialmente porque “era una tecnología que no
estaba disponible para el público en general y que ahora está al alcance de
todos”. Al mismo tiempo, reflexiona que su uso puede mejorar a los sistemas que
existen en la actualidad, aunque expresó que no está para reemplazar al humano.
“Lo estuve probando para lo que es codificación de diagnósticos y admito que
ChatGPT es buenísimo; sin embargo, cuando fui a controlar ahí resulta que no es
exacto. Por eso te das cuenta que hay que tener cuidado y analizar bien lo que
vas a implementar porque todavía no es confiable, en especial, para lo que es
traducción de texto libre a estructurado y codificación”, advierte.
Por su parte, López Osornio,
sintetiza: “Una analogía interesante puede ser que este modelo de lenguaje
natural es como un residente de primer año que acaba de entrar al hospital, se
le puede pedir determinadas tareas, pero siempre hay que controlarlo”.
Asimismo, dijo: “Hay que separar los distintos tipos de inteligencia
artificial, existe una basada en reglas que es muy segura para ejecutar
justamente las reglas (algoritmos tradicionales); después tenemos la
inteligencia artificial tradicional, o de machine learning tradicional,
dónde los riesgos son los sesgos; y, ahora, tenemos al Large Language
Model (LLM) que son un tipo más complejo cuyo riesgo son las
alucinaciones”.
En relación a las
alucinaciones, Mauro explica que “el mayor riesgo con esta última tecnología
puede traer es documentar algo que en realidad el paciente no tiene y que quede
como parte del historial clínico”, es decir, puntualiza: “queda escrito algo
que jamás un humano hubiera documentado”. Del mismo modo, puede pasar lo
contrario, confiar plenamente en los nuevos modelos de lenguaje natural y que
éstos omitan información relevante y así “no documente algo que sería
fundamental para la historia clínica de un paciente”.
Por Mg. Jesica Niz
Fuente: INNOVA
Salud Digital
Experiencias
en la mejora de procesos administrativos y análisis de la información en el
Ministerio de Salud de la Nación.
El
concepto de innovación cobró popularidad en los últimos años, de la mano del
paradigma mecanicista, como introducción tecnológica asociada a las mejoras de
productividad.
Sin
embargo, es cada vez más frecuente encontrarlo relacionado con la economía del
conocimiento, en un sentido mucho más amplio, con la tecnología en un sentido
cotidiano, con el concepto de regeneración ambiental y, por supuesto, con la
irrupción en nuestra vida diaria del concepto de inteligencia artificial (que
algunos no entendemos aún por qué en algunos espacios se usa en mayúsculas).
En
este marco, nuestra primera tendencia es confundir la innovación con la invención.
A veces es necesario recurrir al diccionario para recordar que, sin embargo,
innovar es mudar (no dice cambiar, aunque nos parezca más preciso) o alterar
algo, introduciendo novedades.
Una
forma de entender la innovación puede ser, entonces, hacer lo mismo con las
mismas cosas mezclándolas de una manera diferente.
Pensando
que el orden de los factores puede alterar el producto. O bien pensando en
obtener el mismo resultado (esperado) alterando las cosas que hacemos, incluso
aunque sean las mismas de siempre.
……..
DESCARGAR
Fuente: Banco
de Recursos
Cada entrada en el programa que sea un hipervínculo te lleva a la
presentación.
MIÉRCOLES 6 de septiembre
09:00 APERTURA DE BIENVENIDA
09:10 Integración de datos de salud Bus de interoperabilidad. (Rodrigo
Kreiner, Director Nacional de Sistemas de Información Sanitarios, Ministerio de
Salud de la Nación)
10:00 Diseño de un proceso de fusión de registros
duplicados en la Tabla Maestra de Personas. (Giuliana Colussi)
11:00 Prototipo para asistencia en detección
temprana de deformaciones de columna utilizando redes neuronales profundas. (Ángeles Piotroski)
11:30 Análisis del impacto del proceso de data
cleaning sobre indicadores de malnutrición. (Agustín Nicolás Dramis)
12:00 Evaluación de percepciones del Personal de
Enfermería sobre la Implementación de una HCE en el Instituto Alexander
Fleming. (Juan Marcos Descalzo)
13:30 Conectaton RDI Ar -FHIR HL7- (Diego Kaminker, Martín Díaz)
14:00 Estudio de caso: análisis de las tecnologías
emergentes y la ciencia de datos en el abordaje del TDAH. (Martín Horacio Justo Ricci)
14:30 Estudio comparativo de herramientas de IA para
el diagnóstico y orientación diagnóstica basada en síntomas. (Lucas Alessandro)
15:30 Inteligencia Artificial de seguimiento para
mejorar la adherencia y detección temprana de exacerbaciones. (Andrés Hohendahl)
16:00 Software de vigilancia epidemiológica de
contactos para tuberculosis. (Laura Paola Sánchez)
16:30 Salud en Palabras: Lenguaje, Estándares y
Conversaciones que Sanan. Explorando la trama de la comunicación en salud. (Marcelo Carrascal
Consultor en salud digital)
17:00 Cierre de jornada
JUEVES 7 de septiembre
09:00 Pladema - FCS UNICEN Proyecto de Historia de Salud Integrada (HSI)
(Dr. Mariano Risso)
10:00 Un Primer Abordaje para la predicción de
Enfermedad Injerto contra Huésped en Trasplantes Pediátricos de Médula Ósea. (Lázaro Gibert García)
11:00 Experiencia de implementación de un Sistema de
Triage informatizado en Guardia. (María del Pilar Arias)
11:30 Análisis de datos públicos sobre registros
Argentinos de Diálisis Crónica: INCUCAI. (Roxana Martínez)
12:00 Desarrollo y análisis de sesgos de un modelo
de desidentificación de historias clínicas electrónicas en español rioplatense. (Sabrina López)
13:30 EBSCO: Charla sponsor CAIS (13.30 – 13:40)
13:45 SBSIS Certificación profesional en informática en salud: la
experiencia brasileña (cpTICS)
14:30 Red SI: experiencia y modelado de la construcción
de una red de salud en Puerto Madryn. (Leo Ordinez)
15:30 SATI-Q: 20 años de historia, evolución y
perspectivas hacia el futuro. (Ariel Leonardo Fernández)
16:00 Desafíos de Salud Digital Ecuador. (María José Gamboa)
16:30 Sistema informático de salud SISP Municipio
deTandil (Karina Larsen)
17:00 Cierre de jornada
VIERNES 8 de septiembre
09:00 Des-aprender y adaptarse a los nuevos desafíos
en Salud Digital (Alejandro D'Alessandro, RECAINSA)
09:30 Principios de gobernanza de los datos en salud (Joseline Carias,
RECAINSA)
10:00 Herramienta para la exploración de tendencias
y detección de patrones epidemiológicos en Argentina. (Arturo Leonardo Morales)
11:00 Clasificación de células en prueba de
papanicolaou (pap test) en microscopía. (Martín Gramática)
11:30 Descubrimiento de conocimiento para la gestión
en salud: aplicación a datos COVID-19. (Leticia María Seijas)
12:00 Plataforma de telemonitoreo basada en
algoritmos de detección de insuficiencia cardíaca y dispositivos Bluetooth Low
Energy. (Lorenza Vecino Schandy)
13:30 SBSIS Tutorial sobre certificación de seguridad, protección de
datos, usabilidad, interoperabilidad y calidad de HCE (Brasil y EE.UU.)
14:00 SBSIS Certificación profesional en informática en salud: la
experiencia brasileña (cpTICS)
14:30 Sistema CMMS multicéntrico para gestión de
tecnología médica. (Pedro Escobar, BME AMERICAS – UNICEN)
15:30 Classificação automática de glóbulos brancos com Deep Learning.
(Sandro da Silva Camargo)
16:00 Cerrando la brecha digital: financiación para
la transformación digital de la salud. (Daniel Otzoy, RECAINSA)
16:30 Arquitecturas Abiertas para el Intercambio de
Información en Salud: La experiencia de la comunidad OpenHIE. (Alejandro Benavidez, RECAINSA)
17:00 Cierre de congreso -PALABRAS DE DESPEDIDA
Fuente: CASI 2023
Organizada por el Comite de Calidad y Seguridad del Paciente del Sanatorio Anchorena Recoleta e IQDC.
Fecha y horario: 27-09-2023 de 9:00 hs a 13:00 hs
Acceso virtual: https://lnkd.in/dVs9qDff
Convencidos de que la salud
digital es un acelerador comprobado para avanzar en los resultados de salud y
lograr la Cobertura Sanitaria Universal (CSU) y los Objetivos de Desarrollo Sostenible
(ODS) relacionados con la salud, la Organización Mundial de la Salud (OMS)
lanzó la Iniciativa Mundial sobre Salud Digital (GIDH, por sus siglas en
inglés) que es una red de partes interesadas, gestionada por la OMS, y
organizada para facilitar la Estrategia Mundial de Salud digital 2020-2025, y
otras normas y estándares de la OMS para la transformación del sistema de salud
digital.
En las casi dos décadas
transcurridas desde la primera resolución sobre eSalud impulsada por los
Estados miembros que culminó en la resolución integral sobre salud digital de
2020, más de 120 Estados miembros de la OMS desarrollaron una política o
estrategia nacional de salud digital. Sin embargo, se encontraron
inconvenientes para su avance y consolidación. Entre ellos la fragmentación en
la asignación de recursos y la alineación con las necesidades de los países,
junto con definiciones y niveles variables de calidad de las soluciones
digitales.
El objetivo de la GIDH es
reunir a países y asociados para lograr resultados mensurables mediante la
elaboración de planes de inversión claros basados en prioridades para la
transformación de la salud digital; la mejora en la presentación de informes y
la transparencia en relación con los recursos de salud digital, la facilitación
del intercambio de conocimientos y la colaboración entre regiones y países para
acelerar los avances y evitar duplicaciones de esfuerzos que retrasan el
objetivo, y apoyar enfoques pangubernamentales para la gobernanza de la salud
digital en los países.
“Los países están buscando
apoyo para pasar de iniciativas de salud digital centradas en productos a
establecer una infraestructura nacional de salud digital con la competencia
nacional adecuada para mantener y adaptar, una necesidad reconocida de apoyo técnico
confiable y de calidad garantizada para abordar las prioridades nacionales de
salud digital, con el gobierno en el asiento del conductor”, señala el paper de
la OMS.
En este contexto, la GIDH
“servirá como plataforma para permitir que un amplio ecosistema global trabaje
colectivamente para promover la capacidad de los países y fortalecer la
cooperación internacional en salud digital”.
Red de redes
La GIDH será una red
administrada por la OMS (“Red de redes”) que promoverá el acceso equitativo a
la salud digital, abordando desafíos como la duplicación de esfuerzos y la
transformación de la salud digital “centrada en productos” a través de un
enfoque en cuatro pilares fundamentales: 1) seguimiento de las necesidades de
cada país, 2) un portal que permita identificar los recursos tradicionales e
innovadores y analizar de manera prospectiva y retrospectiva sobre la base de
estándares, 3) una caja de herramientas para la transformación, 4) la promoción
y el intercambio de conocimientos entre las redes locales, regionales y
globales.
Por: Ana Amaya
Fuente: Salud
en Línea