Añadir a mis favoritos

#Novedades de la industria

4 USOS CLAVE DE LA INTELIGENCIA ARTIFICIAL EN LA GESTIÓN DE CUIDADOS CRÓNICOS

¿Puede la IA ayudar a los pacientes con enfermedades no curables?

El asma, la artritis, la diabetes y otras enfermedades crónicas, como las enfermedades cardíacas, afectan a aproximadamente la mitad de todos los adultos en los EE. UU. A nivel mundial, las enfermedades crónicas representan más del 90 por ciento de las tasas de morbilidad y mortalidad entre las naciones del Primer Mundo.

Y se pone peor. Sabías:

Las enfermedades crónicas, según los CDC, son una de las principales causas de muerte y discapacidad en los EE. UU.

El sistema de salud de los EE. UU. gasta aproximadamente $1,65 billones al año en el tratamiento de pacientes con una o más enfermedades crónicas. Y de esos pacientes, el 12 por ciento que tiene cinco o más afecciones crónicas representa el 41 por ciento del gasto total en atención médica.

Se estima que 4,4 millones de admisiones hospitalarias, según la Agencia de Investigación y Calidad de la Atención Médica de EE. UU., cuestan a la atención médica $ 30,8 mil millones. La mitad de esa cifra se destina al tratamiento de enfermedades cardíacas y complicaciones de la diabetes.

Un estudio de la Asociación Estadounidense de Salud Pública muestra que la industria de la salud podría ahorrar hasta $218 mil millones por año al prevenir las enfermedades crónicas más comunes.

Los sectores público y privado tienen enormes incentivos para reducir las enfermedades crónicas. Muchos recurren a la inteligencia artificial (IA) para la gestión de cuidados crónicos (CCM). Específicamente, se están considerando cuatro áreas:

Prevención de CCM

Detección de CCM

Diagnóstico de CCM

Tratamiento de CCM

Prevención, o detener la enfermedad antes de que suceda o empeore

Los algoritmos de IA se están utilizando para prevenir que ocurran las enfermedades en primer lugar. Lo hacen cambiando la gran cantidad de datos de pacientes de EMR para identificar a aquellos en riesgo de enfermedad cardíaca, hipertensión y otras enfermedades crónicas. Posteriormente, el personal de atención médica se reuniría con los pacientes para analizar tratamientos preventivos como:

vacunas

Medicamentos para la presión arterial

Consejos dietéticos

Los resultados de algunos de estos programas de IA han demostrado ser sorprendentes. En un estudio de 2018, los investigadores de Google revisaron los escáneres de retina de los pacientes. Pudieron identificar qué pacientes sufrirían un ataque cardíaco u otro problema cardíaco dentro de cinco años con un 70 por ciento de precisión.

Detección o monitoreo casi continuo de cambios

La telesalud para la gestión de la atención crónica ha ampliado drásticamente el alcance de la atención médica para observar a los pacientes y sus condiciones. En el pasado, los proveedores y otros profesionales médicos controlaban el estado del paciente en las citas programadas o en el hospital. Ahora, gracias a los sistemas portátiles y de monitoreo remoto de pacientes, los signos vitales de los pacientes, como el peso, la presión arterial, la temperatura, los niveles de oxígeno y más, se pueden monitorear continuamente desde ubicaciones remotas.

Desafortunadamente, la cantidad de información que llega es enorme. Aquí es donde entran las IA. Pueden, dependiendo de sus algoritmos, procesar a la velocidad del rayo una gran cantidad de datos. Pueden alertar al proveedor si el paciente está teniendo un ataque de asma importante o si sus niveles de azúcar en la sangre se han mantenido estables durante varias semanas con los nuevos medicamentos para la diabetes.

Otra forma en que se utiliza la IA con CCM es la comunicación. Ciertas formas de dolor crónico pueden ser difíciles de diagnosticar. Este es especialmente el caso de los pacientes que no pueden comunicarse o expresarse fácilmente durante las citas con el médico. Un ejemplo bien conocido es después de que el paciente ha sufrido un accidente cerebrovascular importante. La parálisis de los músculos y la desorientación mental pueden hacer que sea casi imposible para el paciente responder a las preguntas del proveedor.

Otro ejemplo es cuando el paciente experimenta dolor esporádicamente o bajo ciertas condiciones fuera del consultorio médico. Un dispositivo de telemedicina con una IA combinada con un software de reconocimiento facial posiblemente pueda ayudar. Puede monitorear los músculos de la cara de tales pacientes. Después de que experimentan un episodio de dolor, el programa puede proporcionar una puntuación en la tabla de dolor. El médico puede entonces ajustar los planes de tratamiento en consecuencia.

La detección de IA también se puede utilizar para ayudar a minimizar la readmisión de pacientes. Machine Learning (ML), que es un subconjunto específico de AI, puede analizar los registros de salud del paciente y otros datos como los determinantes sociales de la salud (condiciones de vida poco saludables en el hogar, falta de transporte de fácil acceso a una clínica médica cercana) para predecir si hay una alta probabilidad de readmisión. Si hay personal de atención médica, entonces puede actuar para reducir su probabilidad proporcionando visitas frecuentes de trabajadores sociales o incluso transporte gratuito para los chequeos.

Existen importantes incentivos para reducir las readmisiones. Los pacientes que regresan le cuestan a Medicare entre $15 y $20 mil millones cada año. Los hospitales también sufren y son penalizados económicamente por cada uno.

Diagnóstico o encontrar los mejores tratamientos ahora mismo

Los médicos tienen que desplazarse a través de toneladas de datos para determinar la condición actual de ese paciente y el mejor curso de acción. Esto es especialmente cierto para los radiólogos y patólogos, que se ocupan de miles de diapositivas, muestras y otros miles de fragmentos por día.

Los algoritmos de Machine Learning y Deep-Learning (DL), que son subconjuntos de la inteligencia artificial, se están probando como posibles ayudas. Lo hacen sugiriendo patologías para la condición crónica de un paciente. Esto podría acelerar drásticamente el trabajo del proveedor, ya que solo se mostraría la información más adecuada en su tableta médica.

El caso en cuestión es el análisis de imágenes médicas. Investigadores de la Fundación NHS con sede en el Reino Unido compararon la precisión de encontrar enfermedades a través de programas DL versus el examen realizado por médicos. En ciertos estudios, se encontró que DL era tan preciso como los propios médicos.

Tratamiento, o Personalización del Adecuado para el Paciente

Finalmente, el cuidado de la salud busca que la IA trabaje con el paciente para administrar su salud. Esto incluye aquellos bajo CCM.

¿Cómo? El personal médico, después de revisar los signos vitales y el historial del paciente a través de ML, DL y otras formas de IA, puede brindar sugerencias adaptadas a los deseos y necesidades únicos de cada paciente. Esto da como resultado una atención más personalizada, menos desperdicio en tratamientos ineficaces y resultados positivos para todos los involucrados.

Las enfermeras virtuales son un ejemplo de esta nueva forma de “atención personalizada”. Basados en IA, pueden ayudar a los pacientes a mantenerse encaminados al:

Registro de datos vitales peso y presión arterial

Calcular evaluaciones de riesgo

Emita recordatorios e incluso intervenciones si el paciente se desvía del tratamiento.

Pensamientos finales

CCM es una gran parte de la atención médica desde la gran cantidad de pacientes que necesitan tratamiento hasta los costos prohibitivos. La industria de la salud está recurriendo a herramientas como la IA para ayudar a las clínicas médicas y hospitales a través de la prevención, detección, diagnóstico y tratamiento de enfermedades crónicas.

Comuníquese con Cybernet Manufacturing si está interesado en obtener más información sobre los beneficios de la inteligencia artificial en el manejo de enfermedades crónicas para su grupo médico, clínica u hospital.

4 USOS CLAVE DE LA INTELIGENCIA ARTIFICIAL EN LA GESTIÓN DE CUIDADOS CRÓNICOS

Información

  • 5 Holland, Irvine, CA 92618, USA
  • Cybernet