La implementación de Sistemas de Información
de Salud se ha incrementado en los últimos años y existe un creciente
reconocimiento de que las mismas no sólo pueden mejorar la calidad, la
seguridad y la eficiencia de la atención sanitaria y la prestación de salud
pública, sino que también pueden empoderar a los pacientes en el cuidado de su
salud. La pandemia de COVID-19 creó desafíos que llevaron a muchas
organizaciones de salud a introducirse al campo de la Inteligencia
Artificial (IA), con algoritmos diseñados para ayudar a monitorear y
evaluar a pacientes. Los algoritmos de IA y otras aplicaciones impulsadas
por IA se utilizan para ayudar a los profesionales de la salud en entornos
clínicos y en investigaciones favoreciendo el desarrollo de la medicina
algorítmica, donde los algoritmos analizan información, identifican patrones y
muestran resultados quedando la decisión final en manos de los profesionales de
la salud, que asistidos con la tecnología, pueden llegar a resoluciones más
precisas. Actualmente, las funciones más comunes de la IA son el análisis de
imágenes, el procesamiento y análisis de texto, de audio, datos clínicos,
genéticos o bioseñales a través de distintas aplicaciones y el soporte a la
toma de decisiones clínicas (Clinical Decision Support Systems - CDSS -).
El Departamento de Informática en Salud del
Hospital Italiano de Buenos Aires (DIS-HIBA) trabaja desde hace varios años
en desarrollos relacionados a IA. A partir del año 2018, con el apoyo y
colaboración de servicios como Diagnóstico por Imágenes del Hospital
Italiano de Buenos Aires (DxI-HIBA) y Dermatología, se establecen
las bases para crear lo que posteriormente se consolidó en un programa
institucional traslacional, denominado programa de Inteligencia
Artificial en Salud del Hospital Italiano de Buenos Aires (pIASHIBA).
pIASHIBA comprende un equipo de trabajo transdisciplinario,
con profesionales de Ingeniería Biomédica, Medicina de diversas especialidades
e Ingeniería de software, entre otros.
El objetivo de pIASHIBA es
desarrollar e integrar tecnologías de Inteligencia Artificial en el ámbito de
la salud para mejorar la seguridad del paciente, la calidad de atención y la
eficiencia de procesos hospitalarios. A su vez, como visión, se busca liderar
la transición a un nuevo estándar de atención médica, aplicando el potencial
transformador de la Inteligencia Artificial en el ámbito de la salud. Asimismo,
se estimula la conciliación de tecnologías globales emergentes a las
problemáticas locales y aportar a la comunidad científica internacional con
desarrollos propios. Esto se hace integrando conocimientos de computación,
informática, estadística y medicina, relevando necesidades, diseñando y
desarrollando herramientas de IA que luego se implementan en la institución
hospitalaria dado su carácter traslacional. En este proceso se acompaña
a los profesionales en el cambio de rol que atraviesan en la actualidad.
Cuando una herramienta de IA es implementada
en salud, el o la profesional de la salud deja de ser una fuente única de
conocimiento y análisis de los datos, y pasa a ser responsable de la
interpretación y validación de los resultados de los algoritmos de IA, teniendo
en cuenta el contexto social, clínico y personal del paciente. Además, está a
cargo de proponer posibles aplicaciones de IA en su ámbito de trabajo,
participando activamente en el desarrollo de las mismas. Desde pIASHIBA, se
promueve que los profesionales de la salud que tienen interacción con estas
herramientas comprendan su funcionamiento y sus limitaciones, y estén
preparados para interpretar los resultados que estas aplicaciones
ofrecen.
Proceso de desarrollo e implementación
Cada proyecto del programa atraviesa una serie
de etapas, y en todas ellas participan el servicio médico solicitante, además
de las áreas involucradas del DIS-HIBA. En forma resumida , las etapas son:
Anteproyecto: algunos proyectos comienzan como ideas
en pIASHIBA, otros surgen de las necesidades de distintos
profesionales que trabajan en el hospital. Aquí la intención es determinar los
objetivos, el alcance, y la factibilidad del proyecto.
Proyecto de Innovación e investigación: si se decide avanzar, en el siguiente estadio
el equipo trabaja para desarrollar la herramienta en cuestión hasta la
selección del sistema final y su evaluación en laboratorio.
Desarrollo del modelo de IA: aquí se documenta el algoritmo de IA
seleccionado y los resultados del proyecto de innovación, así como se definen
los requerimientos y lineamientos pertinentes a la aplicación de la herramienta
en terreno.
Desarrollo del sistema de IA: en esta etapa se integra la herramienta
de IA a los aplicativos de uso asistencial y se realiza la evaluación
pre-implementación, a través de la cual se valida el comportamiento de la
herramienta.
Integración de la herramienta al flujo de
trabajo: el objetivo aquí es implementar la herramienta en producción, así como
también se realiza el monitoreo y la evaluación de la implementación. Quienes
usarán el sistema reciben capacitación y soporte para utilizar el nuevo recurso
en su flujo de trabajo diario.
Evaluación externa: para esta etapa, sometemos el producto final
a validación externa, para explorar la posibilidad de que sea aplicable fuera
de nuestra institución.
Más detalle de las mismas se puede observar en
el siguiente gráfico
Proyectos con imágenes médicas
Los sistemas de IA que se desarrollan en
pIASHIBA incluyen sistemas expertos (CDSS), procesamiento del lenguaje natural,
sistemas de reconocimiento automático del habla y visión computacional. Estos
últimos trabajan procesando y realizando predicciones sobre imágenes médicas.
Si bien hay proyectos en todas las áreas, actualmente en nuestro portfolio
predominan los proyectos con imágenes médicas.
Las imágenes médicas son una herramienta
fundamental en el proceso diagnóstico actual en el campo de la salud, dado que
permiten obtener información anatómica y funcional de las distintas regiones
del cuerpo humano mediante técnicas mínimamente invasivas para el paciente. En
los últimos años, la tendencia a adoptar prácticas relacionadas con la medicina
de precisión requiere una mayor precisión diagnóstica en el análisis de las
imágenes médicas para delinear los subtipos de pacientes y su respuesta a las
terapias. Esta situación ha llevado a una sobrecarga en la tarea de interpretar
y analizar las imágenes para los profesionales de salud, impulsando así la
aplicación de visión computacional mediante IA para generar herramientas de
asistencia y soporte para la toma de decisiones clínicas. A continuación, se
resumen algunos proyectos ya implementados (Artemisia y TRx) o en proceso
(Valquiria y Carpian).
Artemisia: el objetivo de este proyecto es desarrollar,
validar e implementar estrategias de análisis basadas en aprendizaje profundo
para un análisis integral de los estudios mamográficos. El proyecto se
divide en varias fases. La primera se enfoca en la categorización de
densidad mamaria, y se encuentra integrada al flujo de trabajo de los
profesionales del hospital desde 2019. Hoy están en desarrollo las fases
subsiguientes de Artemisia cuyos objetivos son la detección y clasificación
de hallazgos.
TRx: este proyecto consiste en la detección automática de hallazgos en
radiografía de tórax, que es el estudio de imagen con mayor volumen en nuestro
hospital y en el mundo. TRx está integrado en la historia clínica y el sistema
de informes radiológicos desde 2020, con el objetivo de asistir en forma transversal
a todos los profesionales de distintas especialidades y nivel de experiencia
que se enfrentan al análisis de esta imagen, especialmente cuando la sobrecarga
de trabajo impide contar con un informe radiológico inmediato.
Actualmente TRx detecta cinco tipos de hallazgos radiológicos en la radiografía
de tórax: opacidades pulmonares, neumotórax, derrames
pleurales, fracturas, y silueta cardíaca aumentada. En particular,
para el hallazgo de neumotórax
Valquiria: este proyecto consiste en tres fases que
tienen como objetivo desarrollar, validar e implementar una serie de
herramientas basadas en Deep Learning para analizar y clasificar lesiones
cutáneas. La primera se enfoca en la clasificación de lesiones cutáneas por
medio de imágenes dermatoscópicas y se encuentra actualmente en proceso de ser
integrada al flujo clínico. La segunda fase está orientada a profesionales de
atención primaria, para clasificación de imágenes clínicas y se encuentra en la
fase de prueba de concepto. La última fase estará destinada a pacientes, donde
se espera que el paciente adquiera una imagen mediante su celular y esta pueda
ser procesada para clasificar el riesgo de la lesión.
Carpian: se trata de un sistema de IA para el cálculo
automático de la edad ósea de un paciente pediátrico a partir de una
radiografía de mano. Buscamos reducir la variabilidad interobservador en este
diagnóstico y complementar el método tradicional basado en Atlas, que
actualmente puede resultar desactualizado. Luego de concluir satisfactoriamente
una prueba de concepto en la que participaron especialistas en radiología
pediátrica, pediatras generales, pediatras endocrinólogos y residentes de
imágenes, nos encontramos desarrollando las aplicaciones de software que
permitirán integrar el algoritmo en el flujo clínico.
Líneas en desarrollo
Hay otras líneas que se encuentran también en
desarrollo. Por ejemplo, una herramienta para calcular parámetros de alineación
espinal a partir de un espinograma lateral, para asistir a cirujanos de columna
y reducir demoras en su tiempo de trabajo. También se encuentra en proceso un
proyecto para detección de hemorragias en tomografía cerebral, que se
implementará en la Central de Emergencias buscando disminuir demoras en el
diagnóstico de este hallazgo crítico. De igual manera, el proyecto con imágenes
de retinógrafos para la detección de retinopatía diabética, así como proyectos
para la clasificación de metástasis vertebrales en tomografía, la detección de
estenosis coronaria en angiografía, entre otros.
Por: Julieta Di Marco y Bioing. Candelaria Mosquera
Fuente: INNOVA Salud Digital - HIBA
