2024, Número 4
Inteligencia artificial, la nueva herramienta en la medicina perioperatoria y en el manejo del dolor postoperatorio
Texto completo
Cómo citar este artículo
10.35366/116239
Artículos similares
Idioma: Español
Referencias bibliográficas: 35
Paginas: 291-295
Archivo PDF: 287.82 Kb.
RESUMEN
A lo largo de la historia, la ciencia y la tecnología se han convertido en aliados en el área de la salud. Nos encontramos en una nueva era en donde el desarrollo de la inteligencia artificial (IA) junto a su aplicación en la medicina pueden mejorar la toma de decisiones de los profesionales de la salud para disminuir riesgos, basándose en herramientas como los algoritmos de predicción o las redes neuronales artificiales. La aplicación de inteligencia artificial forma parte tanto del presente como del futuro de la anestesiología y de la medicina perioperatoria, siendo una herramienta útil para el anestesiólogo. Este artículo se enfoca en la aplicación de la IA para la creación de algoritmos, así como en el potencial que tiene para revolucionar la práctica clínica en el manejo del dolor postquirúrgico.ABREVIATURAS:
- IA = inteligencia artificial.
El espíritu humano debe prevalecer sobre la tecnología.
Albert Einstein
INTRODUCCIóN
La inteligencia artificial (IA) representa un campo interdisciplinario que se dedica a investigar y desarrollar sistemas informáticos con la finalidad de reproducir la inteligencia humana. Entre estos sistemas se encuentran el Machine Learning y el Deep Learning; el primero funciona con la recopilación de una gran cantidad de datos (Big data) e información para identificar patrones, lo cual es útil para crear algoritmos o modelos predictivos, mientras que el segundo funciona como una red neuronal artificial útil para tareas de procesamiento de datos más complejos. Dentro de algunas de sus aplicaciones destacan el reconocimiento de imágenes o del habla, y el procesamiento del lenguaje natural, con lo cual se intenta imitar la función del cerebro humano(1,2).
INTELIGENCIA ARTIFICIAL EN MEDICINA PERIOPERATORIA
Entre algunos de los usos y ventajas que ofrece actualmente la inteligencia artificial en la medicina (Figura 1) se incluyen la capacidad de unir datos de manera eficiente, la automatización de tareas repetitivas, la detección de errores en prescripciones o efectos adversos de medicamentos, el apoyo en la evaluación prequirúrgica, la predicción de respuesta a la anestesia, entre otros, para así lograr una atención individualizada de los pacientes, disminuyendo el riesgo de complicaciones(2,3).
En los últimos años se han estudiado distintas formas del uso de IA en la medicina perioperatoria para evaluar y clasificar riesgos, para el monitoreo intraoperatorio y para el cuidado en terapia intensiva. La detección de complicaciones es una de sus utilidades más importantes, para esto se crean algoritmos de predicción basados en "Machine Learning" el cual es el modelo de algoritmos de IA más utilizado en la medicina perioperatoria(4) (Tabla 1).
Existen diversos SCORES para evaluación de riesgos, pero estos tienen sus propias limitaciones. Los modelos de Machine Learning son particularmente efectivos en esta primera etapa de evaluación, mediante la detección de pacientes que presentan un alto riesgo quirúrgico para la anticipación de posibles escenarios y resultados postoperatorios. Difieren de los modelos convencionales, pues los algoritmos de IA tienen la ventaja de utilizar datos previos, introducir información de nuevos casos, y crear un algoritmo individualizado para cada paciente, basándose en datos demográficos, su historial médico, procedimientos quirúrgicos, constantes vitales, valores de laboratorio u otros factores clínicos(2,12,13).
BIG DATA,
El uso del Big Data en salud permite la personalización de tratamientos adaptados a las necesidades individuales de cada paciente. Esto podría tener un impacto positivo en la calidad de vida, al mismo tiempo que se reducen pérdidas de recursos en el sistema de salud y se logran ahorros significativos en costos de atención médica(14). Para recabar grandes cantidades de datos se han creado protocolos estandarizados utilizando Big Data en diversos centros médicos, con el fin de mejorar la calidad de la información y optimizar su uso al aplicarlo en protocolos de investigación, auditorías internas y/o en la creación de nuevas propuestas para el tratamiento. Un ejemplo de ello, es el sistema de gestión en dolor PAIN OUT (https://www.pain-out.eu/drupal/painout/), el cual es un proyecto internacional fundado en la Universidad de Jena, Alemania, que utiliza información registrada del tratamiento y resultados en el manejo de dolor de los pacientes, con la finalidad de mejorar la calidad en la atención(15). Actualmente Pain Out cuenta con la adhesión de varios países, entre ellos México (www.painoutmexico.com) que vierten los resultados de sus pacientes en su website. De esta manera, el Machine Learning puede contribuir a la creación de nuevos algoritmos, proporcionar mejores herramientas para la toma de decisiones y así tener mejores resultados en el manejo del dolor postquirúrgico(16).
Las vías de atención perioperatoria pueden ser complejas tanto para los pacientes como para los anestesiólogos, por lo que es fundamental adoptar dentro del campo clínico las nuevas herramientas tecnologías para apoyar el proceso perioperatorio(17). Las redes neuronales artificiales utilizadas en Deep Learning crean redes de información y algoritmos más complejos que el Machine Learning, simulando las funciones neuronales humanas. Recientemente se han creado nuevos algoritmos basados en redes neuronales para la evaluación del dolor. Con el constante desarrollo de nuevos métodos de Deep Learning, estos algoritmos han mostrado mejores resultados en la práctica clínica(18) (Tabla 2).
Evaluar el dolor es esencial para ajustar el tratamiento analgésico y determinar su efectividad, siendo clave en la atención médica diaria(30). El dolor postoperatorio afecta a 80% de los pacientes, 75% de ellos experimentando dolor moderado a intenso. La evaluación del dolor postoperatorio es desafiante debido a las limitaciones en la comunicación(31), lo cual trae como consecuencias tratamientos inadecuados, complicaciones y dolor postoperatorio persistente(30,32). Al inicio, los primeros intentos se dirigieron a variaciones en las unidades de acción facial según el sistema de codificación de acciones faciales; sin embargo, la necesidad de un observador entrenado dificulta su uso clínico(28,32). Los avances en la IA han desarrollado un nuevo sistema que reconoce las expresiones faciales del dolor, facilitando la monitorización automática del dolor en tiempo real, siendo el Reconocimiento Automático del Dolor el cual combina hardware, software e IA para observar el dolor, utilizando indicadores como expresiones faciales, movimientos de evitación y señales fisiológicas(28). No obstante, la expresión facial por un estímulo doloroso agudo de corta duración, podría no ser registrada por esta tecnología, ya que este sistema novedoso permite únicamente reconocer patrones de expresión facial manifestados en tiempos más prolongados. Pudiendo ser útil, hasta el momento, sólo en escenarios de dolor crónico, limitando de cierta manera su uso en dolor agudo postoperatorio; sin embargo no dudamos que en un futuro esto cambie(32,33).
El uso de la anestesia regional ha aumentado en las últimas décadas, por su importancia en el manejo del dolor postoperatorio y por su beneficio en la prevención de dolor crónico postoperatorio. Para que un bloqueo muestre mejores resultados postquirúrgicos, se debe realizar con la técnica correcta, se deben identificar correctamente las estructuras anatómicas en el ultrasonido (sonoanatomía), así como el blanco del bloqueo en donde será administrado el anestésico local, y las estructuras cercanas para evitar complicaciones relacionadas con el bloqueo, también se tiene que tener un buen manejo de la aguja, lo cual requiere de mucha práctica. El conocimiento de la anatomía y la identificación de la misma en el ultrasonido muestra un reto para los anestesiólogos en formación(34). Existen nuevos sistemas en algunas marcas de ultrasonido, basados en Deep Learning en donde las redes neuronales realizan la segmentación (resaltado por superposición de colores) de las estructuras anatómicas en bloqueos guiados por ultrasonido en tiempo real(35). En algunos estudios, la identificación de áreas sonoanatómicas mediante colores en el ultrasonido, ha demostrado ser útil en 99.7% de los casos reportados al realizar bloqueos regionales(34). La IA se ha convertido en una herramienta educativa valiosa para entrenar a los anestesiólogos, motivándolos a aprender sobre la sonoanatomía y la anestesia regional de manera más rápida y efectiva.
CONCLUSIONES
La IA tiene el potencial de transformar la medicina perioperatoria, al mejorar la precisión diagnóstica, la planificación quirúrgica, el monitoreo del paciente, la toma de decisiones clínicas, la práctica en la anestesia regional y el manejo del dolor postquirúrgico. A pesar de los desafíos técnicos, éticos o socioculturales que enfrenta, su aplicación promete mejoras significativas en la atención al paciente y la reducción de complicaciones. El futuro de la medicina perioperatoria y del manejo del dolor Postoperatorio está intrínsecamente vinculado con la evolución continua de la inteligencia artificial.
REFERENCIAS (EN ESTE ARTÍCULO)
AFILIACIONES
1 Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México.
2 Instituto Nacional de Cancerología, Ciudad de México.
CORRESPONDENCIA
Dra. Ana Lilia Garduño López. E-mail: analiliagarduo@gmailRecibido: 06-05-2024. Aceptado: 24-05-2024.