Un equipo de investigadores afirma haber desarrollado el primer sistema de cámara portátil que, con la ayuda de inteligencia artificial, detecta posibles errores en la administración de medicamentos.
En una prueba cuyos resultados se publicaron hoy, el sistema de vídeo reconoció e identificó, con gran eficacia, qué medicamentos se extraían en entornos clínicos concurridos. La IA logró una sensibilidad del 99,6 % y una especificidad del 98,8 % en la detección de errores de intercambio de viales.
Los hallazgos se informaron el 22 de octubre en npj Medicina digital.
El sistema podría convertirse en una salvaguardia crítica, especialmente en quirófanos, unidades de cuidados intensivos y entornos de medicina de emergencia, dijo la coautora principal, la Dra. Kelly Michaelsen, profesora asistente de anestesiología y medicina del dolor en la Facultad de Medicina de la Universidad de Washington.
«La idea de poder ayudar a los pacientes en tiempo real o prevenir un error de medicación antes de que ocurra es muy poderosa», afirmó. «Se puede esperar un rendimiento del 100%, pero ni siquiera los humanos pueden lograrlo. En una encuesta realizada a más de 100 proveedores de anestesia, la mayoría deseaba que el sistema tuviera una precisión superior al 95%, que es un objetivo que logramos».
Los errores en la administración de medicamentos son los incidentes críticos más frecuentemente reportados en anestesia y la causa más común de errores médicos graves en cuidados intensivos. En términos más generales, se estima que entre el 5% y el 10% de todos los medicamentos administrados están asociados con errores. Se estima que los eventos adversos asociados con los medicamentos inyectables afectan a 1,2 millones de pacientes anualmente a un costo de 5,1 mil millones de dólares.
Los errores de intercambio de jeringas y viales ocurren con mayor frecuencia durante las inyecciones intravenosas en las que un médico debe transferir el medicamento del vial a la jeringa al paciente. Alrededor del 20% de los errores son errores de sustitución en los que se selecciona el vial equivocado o se etiqueta mal una jeringa. Otro 20% de los errores ocurren cuando el medicamento está etiquetado correctamente pero se administra por error.
Se han implementado medidas de seguridad, como un sistema de código de barras que lee y confirma rápidamente el contenido de un vial, para proteger contra tales accidentes. Pero los profesionales a veces pueden olvidar esta verificación durante situaciones de mucho estrés porque es un paso adicional en su flujo de trabajo.
El objetivo de los investigadores era construir un modelo de aprendizaje profundo que, combinado con una cámara GoPro, sea lo suficientemente sofisticado como para reconocer el contenido de viales y jeringas cilíndricos, y para emitir una advertencia adecuada antes de que el medicamento entre al paciente.
Entrenar el modelo llevó meses. Los investigadores recopilaron videos en 4K de 418 extracciones de medicamentos realizadas por 13 proveedores de anestesiología en quirófanos donde las configuraciones y la iluminación variaban. El video capturó a los médicos manejando viales y jeringas de medicamentos seleccionados. Estos fragmentos de vídeo se registraron posteriormente y se indicaron los contenidos de las jeringas y los viales para entrenar al modelo a reconocer los contenidos y los contenedores.
El sistema de video no lee directamente el texto de cada vial, sino que busca otras señales visuales: tamaño y forma del vial y la jeringa, color de la tapa del vial, tamaño de impresión de la etiqueta.
«Fue particularmente desafiante, porque la persona en el quirófano sostiene una jeringa y un vial, y no se ve ninguno de esos objetos por completo. Algunas letras (en la jeringa y el vial) están cubiertas por las manos. Y las manos se están moviendo rápido, están haciendo el trabajo, no están posando para la cámara», dijo Shyam Gollakota, coautor del artículo y profesor de la Escuela de Ingeniería y Ciencias de la Computación Paul G. Allen de la Universidad de Washington.
Además, fue necesario entrenar el modelo computacional para que se centrara en los medicamentos en el primer plano del cuadro e ignorara los viales y las jeringas en el fondo.
«La IA está haciendo todo eso: detectar la jeringa específica que el proveedor de atención médica está recogiendo, y no detectar una jeringa que está sobre la mesa», dijo Gollakota.
Este trabajo muestra que la IA y el aprendizaje profundo tienen potencial para mejorar la seguridad y la eficiencia en una serie de prácticas sanitarias. Los investigadores apenas están comenzando a sondear el potencial, dijo Michaelsen.
El estudio también incluyó a investigadores de la Universidad Carnegie Mellon y la Universidad Makerere en Uganda. El Instituto de Investigación Toyota construyó y probó el sistema.
La Fundación de Investigación de Washington, la Fundación para la Educación e Investigación en Anestesia y una subvención de los Institutos Nacionales de Salud (K08GM153069) financiaron el trabajo.
