Dos cirujanos del NHS utilizan Azure AI para detectar pacientes que enfrentan mayores riesgos durante la cirugía

Mientras leen esto, más de 6 millones de personas en Inglaterra esperan tratamiento por parte del Servicio Nacional de Salud. Para poner eso en contexto, eso es 1 millón de personas más que toda la población de Irlanda.

La pandemia de COVID-19 ha empeorado esta situación, con la escasez de personal y la suspensión de operaciones no urgentes, lo que ha provocado que se agreguen otras 2.3 millones de personas a las listas de espera desde mayo de 2020.

El gobierno del Reino Unido invierte 36 mil millones de libras (alrededor de $44 mil millones de dólares) en atención médica y social durante los próximos tres años para «adoptar la innovación» y reducir las listas de espera. Los centros quirúrgicos, las salas virtuales y la inteligencia artificial (IA) “son clave para abordar el retraso y poner al NHS sobre una base sustentable”, dijo el gobierno.

Ahora, un equipo de profesionales médicos en uno de los fideicomisos del NHS más grandes del país explora cómo la IA podría ayudar a reducir los tiempos de espera, respaldar las recomendaciones de los equipos de atención médica y brindar a los pacientes mejor información para que puedan tomar decisiones más informadas sobre su propia atención.

Los cirujanos ortopédicos Justin Green y Mike Reed de Northumbria Healthcare NHS Foundation Trust han desarrollado un modelo de inteligencia artificial que ayuda a los consultores a brindar a sus pacientes una evaluación de riesgo personalizada de las próximas operaciones de cadera o rodilla. Eso tranquiliza a las personas en uno de los momentos más estresantes y preocupantes de su vida.

«Cuando veo a un paciente en la clínica, me miran a los ojos y me preguntan: ‘¿Estaré bien?’. Es muy difícil predecir eso, y al final doy una respuesta bastante general», dice Reed. “Espero que esta tecnología me dé una mejor indicación de lo que les iba a pasar a esas personas”.

Green agrega que el especialista y el paciente siempre deben tomar juntos la decisión sobre dónde debe realizarse una operación y que debe ser lo mejor para el individuo. Pero la tecnología puede permitirles tener una conversación más informada y precisa al descubrir información más relevante.

Por ejemplo, debido a que el modelo de IA está alojado en la nube Azure de Microsoft y utiliza el panel de control de IA Responsable en Azure Machine Learning, los profesionales médicos obtienen una comprensión más clara de por qué la IA ha llegado a esas conclusiones. Eso es crítico en el ultra cauteloso sector de la salud. Los consultores ahora pueden ver cómo funciona el modelo y confiar en que los consejos que brindan a los pacientes se basan en datos precisos y confiables.

Northumbria Healthcare NHS Foundation Trust es el tercer centro más grande del Reino Unido para reemplazos de articulaciones y realiza alrededor de 3 mil operaciones de este tipo cada año. Green y Reed han utilizado la herramienta en una pequeña cantidad de interacciones con pacientes que necesitan operaciones de cadera y rodilla, pero creen que se puede aplicar a la mayoría de las áreas de atención médica.

“Creo que esto será transformador para predecir los resultados y el riesgo de la cirugía”, dice Reed. “Esto es solo el comienzo y habrá muchas áreas que podemos analizar, en toda la atención médica. No necesita ser en ortopedia. El concepto que hemos desarrollado es transferible por completo para predecir el riesgo de cualquier cirugía.

“Ya hemos tenido interés de varias organizaciones. Un fideicomiso del NHS quiere ejecutar un piloto porque uno de sus hospitales tiene 10 mil personas en su lista de espera. Quieren saber si pueden ofrecer cirugía en un hospital más pequeño a personas con bajo riesgo de sufrir complicaciones, como accidentes cerebrovasculares y ataques cardíacos. Por el momento, es posible que esos pacientes tengan que esperar mucho tiempo para estar disponibles en un hospital más grande”.

Un beneficio clave del modelo de IA de Green and Reed es que ayuda a los fideicomisos del NHS a asignar recursos mediante la identificación de las necesidades específicas de los pacientes.

Por ejemplo, alguien de unos 60 años que no fuma y tiene presión arterial baja sería visto como un paciente de “bajo riesgo” para la cirugía. Podrían operarse antes si deciden hacerlo en un hospital más pequeño que podría no tener las áreas de reanimación y cuidados intensivos que se encuentran en los hospitales más grandes.

Sin la evaluación de riesgos personalizada impulsada por IA, en la actualidad una gran cantidad de pacientes tienen que esperar más tiempo para una cita de operación en hospitales más grandes. Eso ha creado una gran demanda de servicios en hospitales más grandes cuando muchos de esos pacientes podrían ser operados de manera segura en hospitales más pequeños. En los hospitales más grandes, las camas pueden ser ocupadas por otros pacientes con enfermedades agudas, por lo que es más probable que se cancele la cirugía.

La evaluación de riesgos también permite que los pacientes con alto riesgo de complicaciones decidan si quieren someterse a la operación.

Green dice: “Consideraríamos que una complicación después de la cirugía es un mal resultado. Es costoso para el paciente, es costoso para el NHS, puede llevar tiempo y puede impedir que otra persona tenga una operación. Tiene un impacto masivo en el sistema de salud en su conjunto. Hoy en día, podríamos darles una puntuación de riesgo generalizada que diga: «Si marca estos tres criterios, su riesgo de una operación fallida es del 7%, a diferencia del 2% nacional». No hay nada personalizado en eso”, dice Green. “Como paciente, todo lo que sé es que tengo tres marcas en siete casillas, mi riesgo es un poco alto y no puedo hacer nada al respecto. Entonces, podría decidir no operarme.

“Ahora, podemos mostrarles con gran detalle cómo el modelo de IA detrás de esa predicción genera un resultado que se basa en cientos de puntos de datos como la edad, los parámetros sanguíneos, el índice de masa corporal y el historial médico anterior”.

Esa información sobre el «cómo» solo es posible porque el modelo se ejecuta en el panel de IA Responsable de Microsoft, que ayuda a los desarrolladores de IA con la imparcialidad, la interpretabilidad y la confiabilidad de los modelos de IA. Dentro del tablero, las herramientas pueden comunicarse entre sí y mostrar información en un lienzo interactivo para ayudar con la depuración y la toma de decisiones.

Sarah Bird es gerente principal de productos del grupo en Microsoft y lidera el desarrollo responsable y ético de Azure AI Cognitive Services.

“El panel de control de IA Responsable reúne muchas herramientas y eso es en verdad útil para un sector como el de la atención médica, que tiene que asegurarse de que no haya errores significativos en su modelo de IA y por qué toma una decisión particular”, dice. “Las herramientas permiten a los equipos gobernar su IA de manera más efectiva y ayudarlos a usarla de manera responsable”.

Mehrnoosh Sameki, responsable de tecnología de herramientas de inteligencia artificial de Microsoft, agrega que tener una visión completa de los principios éticos de la inteligencia artificial es crucial cuando se usa en un entorno de atención médica.

“El panel de control de IA Responsable de Azure Machine Learning permite a los profesionales de ML capacitar e implementar modelos de aprendizaje automático más transparentes, sólidos y justos en los ciclos de producción de atención médica”, dice. “La información del tablero podría luego compartirse a través de un cuadro de mando, que cierra la brecha entre el aprendizaje automático y los profesionales de la salud, y proporciona una manera fácil de comunicar la información del rendimiento del modelo y las características principales que afectan las decisiones de cara al paciente”.

Si bien el modelo de IA de Green y Reed está alojado en la nube de Azure, los médicos poseen y supervisan todo el proyecto y sus aplicaciones en todo momento.

El tablero puede sugerir posibles brechas en los datos que podrían dar a cualquier médico que use IA una visión incompleta de un paciente en particular.

“Algunas de las herramientas de Microsoft en torno a la IA responsable son en verdad buenas y muestran dónde están esos sesgos”, dice Green. “Esos tableros son fantásticos”.

Reed está de acuerdo y agrega que tener una «IA explicable» es fundamental para una organización de atención médica.

También dice que, incluso después de muchas décadas de experiencia en ortopedia, le sorprendieron algunos hallazgos que el panel de control de IA Responsable le ayudó a detectar.

“Miraba lo que busca el modelo de IA para predecir el riesgo de una complicación ‘moderadamente grave’. El factor dominante era la edad, que era bastante obvio, seguido de la presión arterial alta, que también tenía sentido. El tercero fue el número de plaquetas”. Estas son células en la sangre que ayudan a la coagulación.

Reed se sorprendió al ver que las plaquetas tienen un peso tan significativo en la determinación del resultado de la cirugía en comparación con otros factores, y pueden conducir a nuevas áreas de investigación. Ese hallazgo tendría que validarse con diferentes enfoques, pero muestra cómo la tecnología ayuda a los profesionales médicos a pensar de manera diferente sobre la atención.

Los equipos del NHS que construyen sus propios modelos de IA, como lo han hecho Green y Reed, se vuelven cada vez más comunes, ya que el sector de la salud trata de administrar cargas de trabajo cada vez mayores y brindar atención de vanguardia a millones de personas.

A principios de este año, Health Education England, que apoya la prestación de atención médica al público, publicó su primera hoja de ruta para el uso de la IA en el NHS, que mostró que el sector de la salud «reconoce el poder y el potencial de la IA para aumentar la resiliencia, la productividad, el crecimiento y la innovación”.

Se espera que un total de 60 tecnologías estén listas para su implementación a gran escala en el sector de la salud de Inglaterra dentro de un año. Hay planes para implementar estas y otras herramientas digitales en 67 áreas clínicas, incluidas radiología, cardiología y medicina general.

Es posible que los pacientes no noten los cambios cuando visitan un hospital o su médico de cabecera, pero pronto podrían beneficiarse de una experiencia de atención más personalizada e informativa.

Imagen principal: los cirujanos ortopédicos Justin Green y Mike Reed de Northumbria Healthcare NHS Foundation Trust analizan el Panel de IA responsable de Microsoft (Crédito de la foto: Jonathan Banks)