'Big data' e IA mejoran un 40% la detección precoz de la sepsis grave

El Hospital Universitario Son Llàtzer utiliza el big data y la inteligencia artificial (IA) para la detección precoz y el manejo integral de las sepsis. Según estimaciones, el uso de estas herramientas permiten identificar adecuadamente a pacientes con sepsis grave en un 83 por ciento de los casos frente al 40 por ciento del método convencional. 

Este martes se ha presentado el proyecto Bisepro de uso de esta tecnología que cuenta con el apoyo de la Consejería de Sanidad de Baleares, el Servicio de Salud Ib-Salut, y de la empresa farmacéutica Merck Sharp & Done (MSD) y se desarrollará en todos los hospitales públicos de las Islas Baleares.

Proyecto piloto

El proyecto, diseñado la Unidad de Sepsis del hospital y el coordinador del grupo de Investigación Multidisciplinar de Sepsis, Marcio Borges, analiza datos de 26.000 pacientes. En los últimos años se ha desarrollado un proyecto piloto con un análisis retrospectivo de estos pacientes para detectar precozmente el inicio de sepsis grave en pacientes adultos en cualquier punto del hospital.

El proyecto diseñado consta de dos fases, la primera para la detección de la sepsis en tiempo real y la segunda que aportará a los clínicos una ayuda en la toma de decisiones, con un enfoque integral, desde el diagnóstico hasta el apoyo terapéutico al paciente con sospecha de sepsis. Los resultados señalan que se identifican de forma adecuada un 83 por ciento de los casos, lo que supone el 40 por ciento más que con los métodos convencionales. Una diferencia debida al diseño de un algoritmo que utiliza más variables y combinaciones de las que se pueden hacer con los métodos convencionales.

El director asistencial del Ib-Salut, Nacho García, ha destacado que el "alto grado de informatización" de los hospitales baleares "permite abordar este tipo de proyectos con garantía de éxito". En concreto, este proceso cambia sustancialmente mediante la aplicación del "big data" y de la inteligencia artificial, así como técnicas como el "matching learning" y "deep learning", que aumentan la efectividad para la predicción y prevención de enfermedades.