Las imágenes médicas son una de las herramientas de diagnóstico más utilizadas en el cuidado de la salud y los proveedores solicitan docenas de estudios de imágenes para sus pacientes todos los días. Estos estudios se utilizan para obtener información sobre ciertos síntomas que tiene un paciente o una afección por la que está siendo tratado, pero con frecuencia tienen hallazgos incidentales que no están relacionados con la indicación original del estudio.
Si bien los hallazgos incidentales se anotan en el informe de radiología, a menudo pasan desapercibidos para el proveedor que los solicita, ya que se enfocan en abordar la intención original del estudio. Si bien muchos de estos hallazgos son benignos, algunos pueden convertirse en tumores malignos, lo que hace que el seguimiento oportuno sea esencial para evitar daños a la salud del paciente a largo plazo.
El seguimiento retrasado y perdido de los hallazgos de imágenes de diagnóstico incidentales es uno de los problemas más prolíficos en el cuidado de la salud que daña a millones de pacientes en Estados Unidos, aumentando los costos. En todo el país, los hospitales y los sistemas de salud gastan un estimado de $43 millones al año para resolver demandas por la falta de seguimiento solo de los hallazgos pulmonares.
«Este problema es un estudio de caso de daño prevenible: hay un hallazgo documentado, pero no reconocido, que podría haber llevado a una intervención significativa, pero en cambio, la enfermedad del paciente se desarrolla sin control», dijo Mozziyar Etemadi, MD, Ph.D., director médico de tecnologías avanzadas en Northwestern Medicine.
Reconociendo la grave amenaza para la seguridad del paciente y el riesgo financiero asociado a este tema, Northwestern Medicine movilizó un equipo multidisciplinario con miembros de Radiología, Calidad, Seguridad del Paciente, Mejora de Procesos, Atención Primaria, Enfermería, Informática y otros para abordar el problema.
El equipo creó un sistema que utiliza inteligencia artificial (IA) integrado en el registro médico electrónico (EHR) que se ejecuta en casi todos los estudios de imágenes solicitados en el sistema de salud de 11 hospitales. Cuando es necesario, la IA activa una alerta en el EHR que muestra claramente los hallazgos y los seguimientos recomendados directamente en el flujo de trabajo del médico que realiza la solicitud.
Una vez que el sistema activa una alerta, realiza un seguimiento de la finalización del seguimiento recomendado para los hallazgos incidentales y esperados. Si no se toman medidas para programar imágenes adicionales u otro seguimiento, se envía otra alerta para evitar retrasos en la atención y mejorar los resultados de los pacientes.
Northwestern Medicine implementó la tecnología por primera vez en diciembre de 2020 para buscar hallazgos pulmonares y suprarrenales, y luego la probó prospectivamente durante más de un año. Los resultados de ese estudio, que se encuentra entre los primeros trabajos prospectivos de una herramienta de IA implementada en la práctica clínica, se publicaron en NEJM Catalyst Innovations in Care Delivery.
El estudio Catalyst analizó los datos de un año después de la implementación en vivo del sistema de IA en diciembre de 2020. Se evaluaron más de 460.000 estudios por imágenes y 23.000 se marcaron como que contenían recomendaciones de seguimiento pulmonar que representaban una tasa del 5 % de ocurrencia de hallazgos pulmonares en imágenes relevantes.
«Nuestros datos muestran cuán comunes son estos hallazgos incidentales en los estudios de imágenes de diagnóstico y respaldan aún más la necesidad de encontrar una solución escalable», dijo el Dr. Etemadi.
«Nuestro equipo desarrolló un sistema integrado de procesamiento de lenguaje natural (NLP) de registros de salud electrónicos (EHR) para identificar automáticamente los hallazgos radiográficos que requieren seguimiento. Una vez identificados, la IA activa alertas automáticas tanto para médicos como para pacientes para programar y rastrear la finalización del seguimiento recomendado», afirmó el autor.
Un ejemplo de cómo funciona el sistema es que un paciente tiene una radiografía de tórax por neumonía y el radiólogo identifica un nódulo pulmonar y anota en el informe de radiología que reconoce el hallazgo pulmonar y recomienda una TC de tórax como seguimiento. Los modelos de IA detectan la nota del radiólogo sobre el hallazgo pulmonar y el seguimiento recomendado, por lo que el marco integrado activa un Aviso de mejores prácticas (BPA) para alertar al médico que solicita el hallazgo. El BPA también presenta flujos de trabajo en los que se pueden solicitar estudios de seguimiento según corresponda. Todo esto ocurre directamente en el EHR y no requiere que el médico abra ningún programa adicional.
«Un concepto erróneo común es que la IA se implementa para tomar decisiones clínicas, pero ese no es el caso: las decisiones clínicas las toman el radiólogo y el médico que las ordena», dijo la autora principal del estudio, Jane Domingo, gerente del programa de rendimiento clínico del sistema en Northwestern Medicine.
«Este sistema se implementó para identificar los informes con hallazgos y agilizar el flujo de trabajo asociado, que antes no existía. Facilita la toma de decisiones del médico en lugar de desplazar al médico. Una parte importante de nuestro lanzamiento fue reunirnos con los médicos y ayudarlos a comprender cómo los apoyaría en la toma de decisiones clínicas», explicó.
Además de la alerta del médico, el paciente también recibe una notificación en su portal de pacientes en línea con el resultado del estudio de imágenes. Los pacientes que no utilizan el portal en línea para pacientes o que no tienen un médico establecido de Northwestern Medicine, son atendidos directamente por el equipo de enfermeras de seguimiento para garantizar que se reciba la atención adecuada.
«Como pacientes, a menudo creemos que el no tener noticias es buena noticia, por lo tanto, si no tenemos noticias de nuestro médico después de una prueba, tendemos a asumir que todo está bien y no hacemos un seguimiento proactivo», dijo Domingo.
«Al incorporar la notificación al paciente en nuestro proceso, estamos agregando otra capa de seguridad al crear pacientes informados que pueden defenderse a sí mismos», comentó.
Todos los elementos de este sistema se construyeron completamente internamente en Northwestern Medicine. Uno de los elementos más arduos de la construcción de una IA es el proceso de «etiquetado», que requiere que expertos clínicos clasifiquen grandes cantidades de datos.
Junto con el estudio Catalyst, Northwestern Medicine está lanzando un sitio web complementario que describe el proceso de creación e implementación de este sistema para que otros hospitales y sistemas de salud puedan implementar programas de gestión de resultados similares. Actualmente, el sistema de salud está trabajando para ampliar el sistema a los hallazgos hepáticos, tiroideos y ováricos que requieren seguimiento.