Saltar al contenido

Inteligencia artificial, atención médica y C-3PO: insideBIGDATA

15 de noviembre de 2021

En esta función especial para invitados, David Sellars, CEng, director de Innovaciones de productos en DrFirst, analiza cómo la inteligencia artificial ha sido alabada como la próxima revolución en el cuidado de la salud. David tiene más de 20 años de experiencia en el cuidado de la salud con un profundo énfasis en Big Data, IA, interoperabilidad del cuidado de la salud, programación y optimización de sistemas. Se ha desempeñado como director de Innovaciones de productos para DrFirst desde 2010, liderando I + D para el equipo de productos. Su experiencia en el cuidado de la salud abarca los cinco principales HCE, incluida la implementación de módulos clínicos y grandes migraciones entre varios hospitales.

La inteligencia artificial ha sido alabada como la revolución que se avecina en el cuidado de la salud, y una búsqueda rápida en la web revela que las principales mentes del mundo académico, tecnológico y de la industria están dando la bienvenida y discutiendo activamente su potencial. Sin embargo, cuando pasa de buscar en la web a hablar con médicos, puede tener una impresión diferente. Si le pregunta a un médico de su hospital o farmacia local si utilizan IA en sus flujos de trabajo habituales, es probable que descubra que la IA está curiosamente ausente.

Si bien la mayoría de la gente piensa en el “cuidado” como un esfuerzo práctico, esas manos a menudo están en un teclado para ingresar datos y sincronizar datos para los registros que los proveedores de atención médica comparten entre sí. Por supuesto, aliviar a las personas de tareas tediosas, repetitivas y que requieren mucho tiempo es un área en la que la IA puede brillar, principalmente al abordar preocupaciones clave como el agotamiento profesional y brindar más tiempo para la atención directa del paciente, todo mientras se ahorran millones de dólares al día para el Sistema de salud de EE. UU.

Hagamos las matemáticas:

  • Los médicos de medicina familiar dedican 157 minutos al día a tareas administrativas y de oficina, como documentación, entrada de pedidos, facturación y codificación.1
  • A $ 100 por hora en promedio2, esto significa que a los médicos se les paga aproximadamente $ 262 / día para ingresar datos en el registro de salud electrónico (EHR)3 en lugar de hablar con los pacientes sobre sus síntomas y planes de tratamiento
  • Con aproximadamente 66,000 médicos de medicina familiar que ejercen en consultorios de atención primaria en los EE. UU.2, eso suma más de 172,000 horas y $ 16.8 millones por día que estos profesionales altamente capacitados gastan frente a un teclado en lugar de cara a cara con un paciente
Recomendado:  Por qué una cultura basada en datos es importante para el éxito de su negocio SaaS

Pero empeora. Los números anteriores no tienen en cuenta las enfermeras, los farmacéuticos, los asistentes médicos y otros médicos, que también gastan incontables horas en la entrada de datos, lo que genera frustración y agotamiento.

No es sorprendente que la mayoría de los médicos detestan este aspecto de su trabajo.3 Pero, ¿cómo afecta esto al paciente? Digamos que desarrolla un cálculo renal. En cada parada de su viaje de atención médica, alguien le pide que recite los medicamentos que toma. La primera vez puede ser en la cita inicial con el médico para obtener un diagnóstico. Luego, una vez más, si ve a un especialista. Y una vez más si va al hospital para recibir tratamiento. Cada vez, un médico vuelve a registrar los datos que ya le ha proporcionado al proveedor anterior. Si bien esta información es fundamental para ayudar a evitar interacciones medicamentosas y reducir las readmisiones hospitalarias, puede resultar frustrante para los pacientes repetir la misma información una y otra vez mientras los médicos la vuelven a ingresar. Y significa que los proveedores de atención médica están dedicando tiempo a ingresar datos que ya existen en otros lugares, lo que les quita tiempo al cuidado «práctico» e introduce el riesgo de errores de teclado que pueden conducir a errores de medicación.

La captura de datos en el EHR solía ser el desafío de la industria más abrumador. Sin embargo, durante los últimos 20 años, lo que solía ser una sequía de información digital se ha convertido en una avalancha de datos electrónicos ingresados ​​manualmente. Con tantos datos sin codificar en los HCE de hoy, el problema se ha convertido en que los médicos no pueden utilizarlos todos.

Es aún peor cuando estos datos se comparten entre proveedores que atienden al mismo paciente. Las clínicas, hospitales y farmacias a menudo pueden compartir datos, pero debido a que sus respectivos sistemas no usan la misma terminología, estos datos no se pueden utilizar cuando llegan a la organización receptora. Para las computadoras, es como hablar portugués con alguien que solo habla hindi (por supuesto, la IA también puede ayudar con esto). Para el médico receptor, es más trabajo traducir y transcribir datos externos que volver a recopilarlos e ingresarlos manualmente.

Por ejemplo, si le recetan un antibiótico para los cálculos renales, el médico podría ingresar la instrucción del medicamento como «1QD», del latín «uno al día». Este pedido se envía electrónicamente a la farmacia, donde el farmacéutico tiene el trabajo de interpretar la intención clínica de «1QD» y luego volver a ingresarlo en el sistema de farmacia utilizando sus propios códigos cortos, «tk 1 t po qd». Los códigos cortos de la farmacia finalmente dan como resultado una instrucción amigable para el paciente, como «tomar 1 tableta por vía oral al día» impresa en el frasco. Aunque cada persona habla el mismo idioma, las abreviaturas y los códigos utilizados tienen un significado programático solo para los sistemas informáticos que los utilizan a diario, lo que genera un complejo problema de comunicación.

Recomendado:  Novedades de gestión de datos de la semana del 2 de diciembre; Actualizaciones de AWS, Dremio, Informatica y más

Y se vuelve más complejo por la asombrosa cantidad de permutaciones para una sola instrucción de prescripción simple, como «tomar 1 tableta por vía oral una vez al día», que tiene 832 permutaciones de uso común en la naturaleza, como lo señalaron investigadores de la Universidad. de Michigan. Su estudio reveló que el personal de la farmacia necesita ajustar manualmente más del 80% de las instrucciones de prescripción, lo que incide en el tiempo con los pacientes y puede introducir errores de pulsación de teclas.

Organizaciones como HL7 International y el Consejo Nacional de Programas de Medicamentos Recetados (NCPDP) han dedicado años a establecer estándares (como FHIR, Fast Healthcare Interoperability Resources) para el intercambio de datos. Sin embargo, debido a que estos estándares evolucionan continuamente, la industria de la salud, en su conjunto, nunca está completamente alineada con un solo estándar. Esto se complica aún más porque estos estándares no se utilizan directamente en el flujo de trabajo clínico promedio. Por ejemplo, un proveedor de atención médica no usaría el código de medicamentos nacional estándar para buscar un medicamento para recetar, del mismo modo que un comprador no usaría un código UPC para buscar un aparato de cocina para comprar.

Las empresas que están en los titulares de la inteligencia artificial a menudo prometen más de la tecnología de lo que puede proporcionar, lo que lleva a oportunidades perdidas para que la atención médica se beneficie de usos más prácticos y enfocados de la inteligencia artificial que pueden hacer contribuciones pequeñas pero significativas para mejorar el flujo de trabajo de la atención médica. Como resultado, los médicos altamente capacitados todavía están haciendo un trabajo que otros podrían hacer, como la transcripción y la entrada de datos.

Recomendado:  Alcance futuro del mercado de Hadoop Big Data Analytics, incluidos los jugadores clave Microsoft, Amazon Web Services, IBM, Teradata - Designer Women

En los EE. UU., Debido a que los datos de atención médica de las personas se distribuyen entre diferentes hospitales y consultorios médicos, que a menudo usan diferentes HCE con diferente terminología preferida, no existe una fuente única de verdad para toda la información de un paciente. Por ejemplo, cada vez que tenga una nueva visita de atención médica, su médico puede solicitar y recopilar sus registros. Pero los datos enviados probablemente utilizan una terminología diferente a la del EHR receptor. Por lo tanto, para usar la información de manera significativa, más allá de simplemente almacenarla, alguien tiene que leerla y volver a ingresarla manualmente en el EHR, utilizando la terminología local requerida para realizar verificaciones de seguridad y otras acciones.

¿Qué pasaría si AI pudiera interpretar estos registros médicos y codificar los datos en la terminología EHR del médico receptor, independientemente de los dos o tres sistemas externos que envían la información?

Aquí es donde nos dirigimos a C-3PO, el droide traductor de Star Wars que «domina más de seis millones de formas de comunicación». Un uso futuro significativo de la IA es una versión de TI de C-3PO para el cuidado de la salud que puede recibir jerga médica de muchas fuentes y proporcionar una salida significativa a cada receptor único en tiempo real.

Algunas farmacias innovadoras están utilizando IA para hacer este trabajo en la actualidad. Galva Pharmacy, que presta servicios en una pequeña ciudad de Illinois, fue la primera farmacia en aprovechar la inteligencia artificial directamente en el flujo de trabajo del farmacéutico. Los primeros resultados muestran que su tiempo total de entrada de datos ha disminuido en más de un 45% cuando se usa tecnología de IA en lugar de cuando no. Este es un ejemplo de lo que está por venir para los médicos en todos los aspectos de la atención médica. El uso de IA para tareas clínicas ordinarias puede reducir los errores inducidos por humanos, disminuir el trabajo mundano y permitir que expertos médicos altamente capacitados dediquen más tiempo a realizar trabajos médicos calificados.

  1. https://www.annfammed.org/content/15/5/419.full
  2. https://www.bls.gov/oes/current/oes291215.htm
  3. Encuesta de Stanford Medicine Harrishttps://med.stanford.edu/content/dam/sm/ehr/documents/EHR-Poll-Presentation.pdf

Suscríbase al boletín gratuito insideBIGDATA.

Únase a nosotros en Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1