Un algoritmo hospitalario diseñado para predecir una enfermedad mortal pasa por alto la mayoría de los casos

La mayor empresa de registros médicos electrónicos de los Estados Unidos, Epic Systems, afirma que puede resolver un problema importante para los hospitales: identificar signos de sepsis, una complicación a menudo mortal de infecciones que pueden provocar insuficiencia orgánica. Es una de las principales causas de muerte en los hospitales.

Pero el algoritmo no funciona tan bien como se anuncia, según un nuevo estudio publicado en Medicina interna de JAMA los lunes. Epic dice que su sistema de alerta puede diferenciar correctamente a los pacientes que tienen y no tienen sepsis el 76 por ciento de las veces. El nuevo estudio encontró que solo tenía razón el 63 por ciento de las veces.

Un portavoz de Epic disputó los hallazgos en un comunicado a Noticias de estadísticas, diciendo que otra investigación mostró que el algoritmo era preciso.

La sepsis es difícil de detectar temprano, pero comenzar el tratamiento lo antes posible puede mejorar las posibilidades de supervivencia de los pacientes. El sistema Epic y otras herramientas de advertencia automatizadas como este escanean los resultados de las pruebas de los pacientes en busca de señales de que alguien podría estar desarrollando la afección. Alrededor de una cuarta parte de los hospitales de EE. UU. Usan los registros médicos electrónicos de Epic, y cientos de hospitales usan su herramienta de predicción de sepsis, incluido el centro de salud de la Universidad de Michigan, donde el autor del estudio, Karandeep Singh, es profesor asistente.

El estudio examinó datos de casi 40,000 hospitalizaciones en Michigan Medicine en 2018 y 2019. Los pacientes desarrollaron sepsis en 2,552 de esas hospitalizaciones. La herramienta de sepsis de Epic pasó por alto 1.709 de esos casos, alrededor de dos tercios de los cuales aún se identificaron y trataron rápidamente. Solo identificó el 7 por ciento de los casos de sepsis que un médico pasó por alto. El análisis también encontró una alta tasa de falsos positivos: cuando se activaba una alerta para un paciente, había solo un 12 por ciento de probabilidad de que el paciente en realidad desarrollaría sepsis.

Parte del problema, dijo Singh Noticias de estadísticas, parecía estar en la forma en que se desarrolló el algoritmo Epic. Definió la sepsis en función de cuándo un médico presentaría una factura por el tratamiento, no necesariamente cuando un paciente desarrolló los síntomas por primera vez. Eso significa que está detectando casos en los que el médico ya cree que hay un problema. «Básicamente, se trata de intentar predecir lo que los médicos ya están haciendo», dijo Singh. Tampoco es la medida de la sepsis que los investigadores usarían normalmente.

Las herramientas que extraen datos de pacientes para predecir lo que podría suceder con su salud son comunes y pueden ser útiles para los médicos. Pero son tan buenos como los datos con los que se desarrollan, y debiera ser sujeto a evaluación externa. Cuando los investigadores examinan herramientas como esta, a veces encuentran agujeros: por ejemplo, un algoritmo utilizado por los principales sistemas de salud para señalar a los pacientes que necesitan atención especial estaba sesgado en contra de los pacientes negros, encontró un estudio de 2019.

Epic lanzó otra herramienta predictiva, llamada Índice de Deterioro, durante los primeros días de la pandemia de COVID-19. Fue diseñado para ayudar a los médicos a decidir qué pacientes deben pasar a cuidados intensivos y cuáles podrían estar bien sin él. La pandemia fue una emergencia, por lo que los hospitales de todo el país comenzaron a usarla antes de que fuera sujeta a cualquier tipo de evaluación independiente. Incluso ahora, ha habido una investigación limitada sobre la herramienta. Un pequeño estudio mostró que podría identificar a pacientes de alto y bajo riesgo, pero podría no ser útil para los médicos. Podría haber problemas imprevistos o sesgos en el sistema que pasan desapercibidos, advirtieron investigadores de la Universidad de Brown en Undark.

Si las herramientas digitales van a estar a la altura de su potencial en el cuidado de la salud, empresas como Epic deberían transparente sobre cómo están hechos y deben ser monitoreados regularmente para asegurarse de que estén funcionando bien, Singh dice en Twitter. Estas herramientas se están volviendo cada vez más comunes, por lo que este tipo de problemas no desaparecerán, dijo Roy Adams, profesor asistente de la Escuela de Medicina Johns Hopkins. Cableado. “Necesitamos evaluaciones más independientes de estos sistemas patentados”, dice.