José Manuel Rabanal Llevot es Jefe del Servicio de Anestesiología del Hospital Universitario Marqués de Valdecilla (HUMV) de Santander y Prof. Asociado de Cirugía en la Universidad de Cantabria (UC). Ha sido Director Médico del HUMV.
*Original escrito en colaboración con Guillermo Rodríguez Lázaro, PhD. Biofísico. Doctor en Mecánica Estadística. Director Científico de IAI Group. Barcelona.
09/07/2024
¿Qué se puede esperar a corto, medio y largo plazo de la interacción de la denominada inteligencia artificial con la inteligencia humana?
Inteligencia Artificial y Proceso Quirúrgico
(de la medicina basada en la evidencia a la medicina basada en la predicción)
Clásicamente el proceso quirúrgico está basado en el establecimiento de una indicación, la realización técnica de la misma, la toma de decisiones en tiempo real y la realización de unos cuidados postoperatorios más o menos estandarizados. En cada uno de esos momentos del proceso manda el juicio clínico, la experiencia de los profesionales y el razonamiento crítico y deductivo de los mismos. En muchas ocasiones para la toma de decisiones nos hemos basado en escalas o puntuaciones (scores) en base a estudios retrospectivos, con un número limitados de variables, en una determinada población, y en muchas ocasiones mal calibrados, limitando muchas veces su valor predictivo. Podemos mencionar algunos que nos indican el posible riesgo quirúrgico global (POSSUM, ASA, PONS, POTTER, ROQUES, APACHE II, Euroscore, etc), o complicaciones postoperatorias (Escala Goldman o de Lee para complicaciones cardiovasculares, Child-Pugh o MELD para pacientes con insuficiencia hepática, el ARISCAT para complicaciones respiratorias, Escala Caprini para el riesgo de enfermedad tromboembólica, etc).
La inteligencia artificial (IA) y el aprendizaje automático (y continuo) mediante la introducción de millones de variables/datos procedentes de centenares de miles de historias clínicas (big data), nos va a ofrecer modelos predictivos de elevadísima sensibilidad y especificidad. A nivel preoperatorio en relación al riesgo quirúrgico, y que será personalizado para cada paciente (con sus antecedentes o comorbilidades) y para cada procedimiento, máxime para aquellos de alto riesgo. Orientará al equipo quirúrgico con respecto a la mejor técnica y abordaje. Mejorará los sistemas de monitorización, como el Hpi (hypotensión prediction index) basado en maching learning y que predice la aparición de hipotensión 10 minutos antes de que esta aparezca, permitiendo la anticipación terapéutica y evitando sus consecuencias.
A nivel de imágenes, automatizará la lectura e interpretación de las imágenes de las pruebas radiológicas, así como perfeccionará los diagnósticos anatomopatológicos. Potencialmente apoyará a la identificación y toma de decisiones, por ejemplo durante una colonoscopia podrá identificar un pólipo y sus características de malignidad. De la misma manera aparecerán sistemas predictivos de complicaciones postoperatorias, permitiendo orientar los cuidados para evitarlas. Para ello, como es lógico, los datos deben estar digitalizados y ser fiables, y posiblemente los modelos predictivos lo serán para una grupo demográfico o poblacional sobre el que se basó el modelo predictivo.
Alguno de estos modelos predictivos ya se han puesto en mercado, como es el sistema basado en IA de Epic Sepsis Model que predice la posibilidad de sepsis. El riesgo y su predicción también abarcara a los profesionales, constituyendo una variable más en base a su experiencia y resultados, y supondrá a un reto a asimilar y un estímulo de mejora. Finalmente y de forma global, cada hospital como organización será una variable que aumente o reduzca el riesgo y la seguridad del proceso, en base a la cualificación de sus profesionales y la calidad de los cuidados. Esto último, al aplicar los mismos sistemas predictivos en poblaciones homogéneas favorecerá la competencia entre las organizaciones y permitirá a los pacientes elegir centro para cada proceso si así lo desea. Una vez superadas las barreras legales, éticas y de regulación que sin duda se plantearán, la IA transformará el sector sanitario según el algoritmo de las «6D» de la reacción en cadena del progreso tecnológico (esto es: Digitalized, Deceptive, Disruptive, Demonetized, Dematerialized, Democratized) y supondrá seguro un radical cambio de paradigma, dado que aunque no sustituirá al médico, sí eliminará gran parte de la incertidumbre en el toma de decisiones y a cualquier nivel ¿nos estamos preparando para ello?
Referencias
1. Predictive medicine, maching learning, and anesthesia. Rabanal LLevot JM. Rev Esp Anestesiol Reanim (Engl Ed). 2020 Dec;67(10):535-537. doi: 10.1016/j.redar.2020.03.001.
2. Real-world outcomes of the hypotension prediction index in the management of intraoperative hypotension during non-cardiac surgery: a retrospective clinical study. Solares GJ, Garcia D, Monge Garcia MI, Crespo C, Rabago JL, Iglesias F, Larraz E, Zubizarreta I, Rabanal JM. J Clin Monit Comput. 2023 Feb;37(1):211-220. doi: 10.1007/s10877-022-00881-7.
3. Artificial Intelligence and Surgical Decision-making. Loftus TJ, Tighe PJ, Filiberto AC, Efron PA, Brakenridge SC, Mohr AM, Rashidi P, Upchurch GR Jr, Bihorac A. JAMA Surg. 2020 Feb 1;155(2):148-158. doi: 10.1001/jamasurg.2019.4917.
4. Artificial intelligence in surgery. Chris Varghese, Ewen M. Harrison, Greg O’Grady, Eric J. Topol. Nature Medicine. 2024; vol 30:1257–1268.