Alertas inteligentes para la detección precoz de la sepsis
Bisepro/Bisepro for Covid - IIC
Necesidad abordada y beneficio aportado
La Unidad Multidisciplinar de Sepsis del Hospital Son Llàtzer de Palma de Mallorca es la primera en Europa en la que diferentes especialistas, internistas, médicos de urgencias, cirujanos, neumólogos, microbiólogos y farmacólogos trabajan a diario con infecciones comunitarias y hospitalarias graves como la sepsis.
Con esta innovadora aportación del Instituto de Ingeniería del Conocimiento (IIC) basada en la aplicación de técnicas de Big Data en el sector salud y en el conocimiento de sus especialistas, el hospital espera adaptar el sistema a las características propias de los pacientes sépticos y reducir la tasa de falsos positivos en un 14%. Los primeros resultados muestran que, sin ninguna duda, se discrimina mejor entre falsos positivos y casos reales y, por tanto, se puede acortar el tiempo de respuesta para tratar la sepsis, optimizando la gestión del hospital, ahorrando costes y beneficiando directamente a los pacientes, pues puede suponer la diferencia entre salvar o no salvar una vida.
Descripción
La aportación del IIC a esta unidad del Servicio de Medicina Intensiva consiste en la aplicación de técnicas de analítica predictiva para emitir alertas inteligentes que sugieran de forma precoz la aparición de sepsis, de la que se dan actualmente más de 130.000 casos al año y que se cobra la vida de 17.000 pacientes al año en nuestro país.
Los monitores de vigilancia médica del propio hospital ofrecen información en tiempo real del estado de los pacientes y de los resultados de las pruebas clínicas realizadas. Estos datos se contrastan con un repositorio informatizado de datos de sepsis y se interpretan con el propósito de detectar la infección y anticiparse al fallo multiorgánico, mejorando así el pronóstico de los pacientes. Para ello, en el IIC se construyen modelos predictivos algorítmicos capaces de proporcionar un análisis de los datos detallado y basado en evidencias que avisan de posibles casos reales de sepsis en un estado muy inicial de la enfermedad.
Información adicional: Borges, M., Socias, A., Castillo, A., Aranda, M., Pruenza, C., Estrada, V., Mena, J. and Diaz, J. Detection of sepsis and sepsis shock in hospitalized adult patients using Artificial Intelligence (AI) and Machine Learning (ML) techniques. ESICM LIVES 2019. ICMx 7, 55 (2019).
