Desarrollan en EE UU un sistema de Inteligencia Artificial que detecta a pacientes en riesgo de suicidio
Las alertas clínicas impulsadas por inteligencia artificial (IA) pueden ayudar a los médicos a identificar pacientes en riesgo de suicidio, mejorando potencialmente los esfuerzos de prevención, según afirman investigadores del Centro Médico de la Universidad de Vanderbilt (Estados Unidos) en un estudio que se publica en "JAMA Network Open".
El equipo dirigido por Colin Walsh, profesor asociado de Informática Biomédica, Medicina y Psiquiatría, probó si su sistema de IA, llamado modelo de probabilidad de ideación e intento de suicidio de Vanderbilt (Vsail), podría incitar eficazmente a los médicos de tres clínicas de neurología en VUMC a evaluar a los pacientes en busca de riesgo de suicidio durante las visitas clínicas regulares, informa Ep.
El estudio comparó dos enfoques: alertas emergentes automáticas que interrumpían el flujo de trabajo del médico frente a un sistema más pasivo que simplemente mostraba información de riesgo en la historia clínica electrónica del paciente. De esta forma, encontró que las alertas disruptivas fueron mucho más efectivas, lo que llevó a los médicos a realizar evaluaciones de riesgo de suicidio en relación con el 42% de las alertas de detección, en comparación con solo el 4% con el sistema pasivo.
"La mayoría de las personas que se suicidan han consultado a un profesional de la salud durante el año anterior a su muerte, a menudo por motivos no relacionados con la salud mental", puntualiza Walsh. "Pero la detección universal no es práctica en todos los entornos. Desarrollamos Vsail para ayudar a identificar a los pacientes de alto riesgo y promover conversaciones específicas sobre detección".
Los llamamientos para mejorar la detección de riesgos han llevado a los investigadores a explorar formas de identificar a los pacientes que más necesitan una evaluación. El modelo Vsail, que el equipo de Walsh desarrolló en Vanderbilt, analiza la información rutinaria de los registros médicos electrónicos para calcular el riesgo de que un paciente intente suicidarse en 30 días. En pruebas prospectivas anteriores, en las que se marcaron los registros de pacientes de VUMC pero no se disparó ninguna alerta, el modelo demostró ser eficaz para identificar a los pacientes de alto riesgo: uno de cada 23 individuos marcados por el sistema informó posteriormente de pensamientos suicidas.
En el nuevo estudio, cuando los pacientes identificados como de alto riesgo por Vsail acudieron a las consultas en las clínicas de neurología de Vanderbilt, sus médicos recibieron de forma aleatoria alertas interrumpidas o no interrumpidas. La investigación se centró en las clínicas de neurología, porque ciertas enfermedades neurológicas se asocian con un mayor riesgo de suicidio.
Los investigadores sugirieron que se podrían probar sistemas similares en otros entornos médicos. "El sistema automatizado marcó sólo alrededor del 8% de todas las visitas de pacientes para su evaluación", insiste Walsh. "Este enfoque selectivo hace que sea más factible para las clínicas con mucho trabajo implementar esfuerzos de prevención del suicidio".
El estudio incluyó 7.732 visitas de pacientes durante seis meses, lo que generó un total de 596 alertas de detección. Durante el período de seguimiento de 30 días, en una revisión de los registros médicos de VUMC, no se encontró que ningún paciente de ninguno de los grupos de alerta aleatorizados hubiera experimentado episodios de ideación suicida o intento de suicidio.
Si bien las alertas interrumpidas fueron más efectivas para provocar las evaluaciones, podrían contribuir potencialmente a la "fatiga de alerta", cuando los médicos se ven abrumados por las frecuentes notificaciones automáticas. Los investigadores señalaron que los estudios futuros deberían examinar esta preocupación.
"Los sistemas de atención sanitaria deben equilibrar la eficacia de las alertas de interrupción con sus posibles desventajas", concluye Walsh. "Pero estos resultados sugieren que la detección automática de riesgos combinada con alertas bien diseñadas podría ayudarnos a identificar a más pacientes que necesitan servicios de prevención del suicidio".