Poco a poco asistimos a la transformación del sistema sanitario en términos de digitalización e innovación, siempre con el objetivo de mejorar la eficiencia y la calidad asistencial. Ejemplo de ello son las conferencias y proyectos presentados en el XXV Congreso Nacional de Informática de la Salud (Inforsalud 2022).
Desde el Instituto de Ingeniería del Conocimiento (IIC), pudimos compartir dos proyectos de innovación en salud, realizados en colaboración con el Hospital Universitario 12 de Octubre (H12O). Fue Cristina Pruenza, Data Scientist y Project Manager del área de Salud del IIC, quien presentó ambos proyectos junto a dos expertos del hospital.
Por un lado, describieron la implantación en el hospital de un sistema de Inteligencia Artificial para identificar pacientes en riesgo de compromiso respiratorio por COVID-19. Y en otra sesión, presentaron la herramienta ClinicHPO para la extracción automática de terminología HPO en textos médicos en castellano.
Extracción de términos HPO en textos médicos
Uno de los temas a destacar de Inforsalud 2022 es la necesidad creciente de extraer información concreta de los textos médicos de la Historia Clínica Electrónica (HCE). Por ejemplo, en el área de Genómica, es importante identificar los fenotipos y, específicamente, los términos que los identifican y que se recogen en la Human Phenotype Ontology (HPO).
En este contexto, presentamos ClinicHPO, una herramienta de anotación automática de términos HPO en castellano. Esta se desarrolló mediante técnicas de Procesamiento del Lenguaje Natural (PLN), para detectar los términos y sus negaciones en los textos no estructurados procedentes de la historia clínica u otros informes médicos.
Además, el usuario puede interaccionar en tiempo real con la herramienta conectada con la HCE, pudiendo editar la información obtenida o añadir nuevos términos y así validar el sistema. De hecho, el sistema está diseñado para reentrenarse con estos nuevos datos.
Al final, la estandarización de la información médica facilita el intercambio de esta, permite enriquecer la historia del paciente desde diferentes fuentes de datos e implementar más fácilmente los sistemas de apoyo a la decisión médica. Y desde el punto de vista de la Genómica, es una pieza fundamental en el desarrollo de su Pipeline.
Detección precoz de compromiso respiratorio por COVID-19
La situación causada por la COVID-19 ha puesto todavía más en valor la información contenida en la Historia Clínica Digital, de manera que se ha convertido en una fuente de datos válida para la investigación sanitaria y el desarrollo de herramientas de Inteligencia Artificial.
En base a este registro médico y junto al Hospital 12 de Octubre, el IIC ha adaptado BISEPRO, originalmente diseñado para la detección precoz de sepsis, para ser aplicado también a la COVID-19. Se trata de un sistema de alerta temprana que, en este caso, permite identificar a los pacientes que pueden tener complicaciones respiratorias derivadas de la enfermedad.
En Inforsalud 2022, presentamos cómo se ha desarrollado y cómo se ha implantado en el hospital. En primer lugar, se seleccionaron las variables de interés, a obtener directamente de los sistemas de información del H12O. Después, Bisepro procesa la información, realiza una predicción del riesgo de compromiso respiratorio del paciente y, en caso de riesgo, envía la alerta tanto a la historia clínica como a los propios “busca” de los médicos.
Los resultados de validación muestran una gran capacidad predictiva del modelo de IA. Y con este proyecto, se demostró además que unos registros médicos estandarizados y debidamente preparados permiten el entrenamiento de modelos predictivos como este y la incorporación de una herramienta útil para el día a día de los clínicos, permitiéndoles el ahorro de tiempo y su coste derivado.