Se está utilizando una herramienta de inteligencia artificial (IA) para predecir cuántos pacientes, que pasan por el departamento de emergencias, deberán ser admitidos en el hospital, lo que ayuda a los planificadores a administrar la demanda de camas.
La
herramienta, desarrollada por investigadores del Colegio Universitario de
Londres (UCL, Londres, Reino Unido), estima cuántas camas de hospital se
necesitarán en cuatro y ocho horas al observar los datos en vivo de los
pacientes que han llegado al departamento de emergencias del hospital. 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 (por ejemplo, camas en salas
médicas o salas quirúrgicas).
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. Después del golpe
de COVID-19, los investigadores pudieron adaptar los modelos para tener en
cuenta variaciones significativas tanto en la cantidad de personas que llegaban
como en la cantidad de tiempo que pasaban en el departamento de emergencias.
“Nuestros
modelos de IA brindan una imagen mucho más completa sobre la probable demanda
de camas a lo largo del día”, dijo el Dr. Zella King (Unidad de Investigación
Operacional Clínica de UCL y el Instituto de Informática de la Salud de UCL).
“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”.
“Esta
herramienta de IA será enormemente valiosa para ayudarnos a administrar las
admisiones y el flujo de pacientes en UCLH”, agregó Alison Clements, jefa de
operaciones, flujo de pacientes y preparación para emergencias, resiliencia y
respuesta 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”.
Enlaces relacionados: Colegio
Universitario de Londres
No hay comentarios.:
Publicar un comentario