Sistemas de alerta temprana basados en aprendizaje profundo en pacientes hospitalizados en riesgo de eventos de...

Área de la Ciencia:

• La informática médica
• Sistemas de apoyo a la toma de decisiones clínicas
• Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

• Los eventos de Código Azul, que requieren reanimación inmediata del paciente, están precedidos por tendencias anormales de signos vitales en más del 85% de los casos.
• El monitoreo continuo y la interpretación de los datos clínicos basada en la IA pueden prevenir eventos críticos en el hospital.

Objetivo del estudio:

• Evaluar los cambios en los resultados clínicos después de implementar VitalCare, un sistema de alerta temprana basado en IA.
• Para validar el rendimiento predictivo de los algoritmos de puntuación de eventos adversos importantes y puntuación de mortalidad de VitalCare.

Principales métodos:

• Análisis retrospectivo de 30.785 registros electrónicos de salud de pacientes hospitalizados de salas generales y UCI.
• Análisis comparativo de los períodos de 3 meses antes y después de la implementación de VitalCare.
• Medición de la incidencia de Código Azul, eventos adversos, hospitalización prolongada e intervenciones tempranas; cálculo de AUROC para el rendimiento del algoritmo.

Principales resultados:

• La implementación de VitalCare condujo a una reducción del 24, 97% en los eventos de Código Azul (P=0, 004) y las hospitalizaciones prolongadas (P<, 05).
• Se observó un aumento significativo de las tasas de intervención temprana después de la aplicación.
• La puntuación de eventos adversos importantes de VitalCare (AUROC 0,865) y la puntuación de mortalidad (AUROC 0,937) demostraron un rendimiento superior al de los sistemas de puntuación tradicionales.

Conclusiones:

• Los modelos basados en IA con un alto poder predictivo pueden prevenir eventos importantes en el hospital al proporcionar información clínica temprana.
• Los sistemas de IA abordan eficazmente los desafíos sanitarios relacionados con los recursos humanos y la eficiencia de los procedimientos.