Se llevan las herramientas inteligentes de ayuda al diagnóstico al siguiente nivel
Según la Sociedad para la Mejora del Diagnóstico en Medicina, solo en los Estados Unidos los errores de diagnóstico provocan la muerte o lesiones en entre 40 000 y 80 000 pacientes al año. Se calcula que se producen diagnósticos incorrectos en entre el 10 y el 15 % de los casos y que se trata de un problema que afecta a todas las especialidades médicas. «El motivo suele ser la experiencia de los profesionales médicos, los plazos apremiantes o los sesgos y lo que llamamos “anclaje”, cuando los facultativos sacan conclusiones demasiado pronto», explica Eitan Ron, coordinador del proyecto Kahun, financiado con fondos europeos. Para solucionar este problema, el equipo de Kahun ha creado herramientas de ayuda al diagnóstico impulsadas por inteligencia artificial (IA): «Basadas en una tecnología pionera que imita el razonamiento clínico de los médicos», explica Ron.
Un chatbot y una aplicación innovadora para la evaluación clínica de los pacientes
La aplicación inicial se puso en marcha a principios de 2021 y unos siete mil médicos ya han utilizado su versión gratuita en decenas de miles de casos. Kahun Medical, entidad anfitriona del proyecto, también ha llegado a un acuerdo con la revista médica «New England Journal of Medicine» para aportar conocimientos a su herramienta de simulación médica, Healer. «Para ayudar a conseguir la aceptación de la comunidad médica, también ofrecimos un chatbot de evaluación clínica del paciente, basado en la misma tecnología, que recopila información de los pacientes antes de las consultas», señala Ron. Este chatbot ya se ha integrado en la evaluación clínica virtual previa a la consulta del servicio estadounidense de telemedicina de urgencias e intensiva HelixVM. También lo utiliza Healthbridge, una solución de gestión de consultas basada en la nube, con sede en Sudáfrica, que presta servicio a 3 000 hospitales.
Motor de razonamiento clínico: impulsado por IA, cartografiado por profesionales médicos
El motor de razonamiento clínico del proyecto se basa en un grafo de conocimientos estructurado, a partir de documentación médica comentada y cartografiada por profesionales médicos. «En la actualidad, el mapa contiene más de treinta millones de datos sobre las relaciones entre enfermedades, manifestaciones, complicaciones, resultados de laboratorio, factores de riesgo, etc.», añade Ron. La aplicación clínica inicial, disponible para Apple y Android, permite a los médicos introducir datos del paciente, como la edad y el sexo, junto con datos clínicos, como los síntomas y los resultados de las pruebas, que, después, se añaden en una interfaz específica. A continuación, el motor de IA, desarrollado por el equipo, utiliza el grafo de conocimientos para generar un diagnóstico diferencial y sugerencias de pruebas adicionales, con las fuentes originales utilizadas por el algoritmo disponible. En el caso del chatbot para pacientes, estos completan la evaluación clínica de Kahun a través de un chatbot web. La IA utiliza el grafo de conocimientos para generar una anamnesis. Cada respuesta determina la siguiente pregunta más adecuada y permite al sistema actualizar continuamente su diagnóstico diferencial. Dicha anamnesis termina cuando el motor ha recopilado suficiente información. Después, se añade a la historia clínica del paciente un resumen que incluye los antecedentes de la enfermedad actual, la anamnesis sistemática, el diagnóstico diferencial sugerido y los pasos siguientes.
La precisión del diagnóstico diferencial supera las pruebas con nota
Los resultados de diagnóstico de Kahun fueron probados con casos clínicos extraídos del examen que debe pasar todo médico para poder ejercer su profesión en los Estados Unidos en contacto directo con pacientes, el «USMLE Step 2 CK». Los casos se introdujeron en Kahun y se evaluó la precisión de su diagnóstico diferencial. Se midió la sensibilidad diagnóstica y el porcentaje de aciertos en cada caso. El estudio incluyó 91 casos clínicos, con 78 motivos principales de consulta diferentes y una media de 38 manifestaciones por caso. En total, se esperaban 272 diagnósticos. De ellos, Kahun sugirió 231 dentro de los 20 primeros diagnósticos, 209 dentro de los 10 primeros y 168 dentro de los 5 primeros. «En general, nuestra herramienta gestionó de forma exhaustiva una amplia gama de manifestaciones clínicas y demostró ser precisa desde el punto de vista del diagnóstico», concluye Ron. En otro estudio para evaluar la función de recopilación de datos de ocho chatbots de comprobación de síntomas utilizando veintiocho casos clínicos, se descubrió que el chatbot de pacientes de Kahun era el más eficiente, con la tasa de recuerdo más alta de manifestaciones de casos pertinentes.
Palabras clave
Kahun, diagnóstico, clínico, motor de razonamiento, IA, paciente, chatbot, algoritmo, telemedicina
