Un algoritmo que aprendió de decenas de miles de recetas nutricionales para bebés prematuros podría reducir los errores médicos e identificar mejor qué nutrientes necesitan los pacientes más pequeños.
La inteligencia artificial puede mejorar la nutrición intravenosa de los bebés prematuros, Un estudio de Stanford Medicine ha demostrado. El nuevo Medicina natural estudiar Fue posible, en parte, gracias a la filantropía y es uno de los primeros en demostrar cómo un algoritmo de IA puede permitir a los médicos tomar mejores decisiones clínicas para recién nacidos enfermos.
El algoritmo utiliza la información de los historiales médicos electrónicos de los bebés prematuros para predecir qué nutrientes necesitan y en qué cantidades. La herramienta de IA se entrenó con datos de casi 80.000 recetas anteriores de nutrición intravenosa, que se vincularon con información sobre la evolución de los pequeños pacientes.
El uso de IA para ayudar a prescribir nutrición intravenosa podría reducir errores médicos, ahorrar tiempo y dinero, y facilitar la atención de bebés prematuros en entornos de bajos recursos, según los investigadores. La nutrición intravenosa, también conocida como nutrición parenteral total, es la única forma de alimentar a los bebés prematuros que nacen antes de que su sistema digestivo madure lo suficiente para absorber nutrientes.
¡No te pierdas nunca un gran avance!
Regístrese para recibir las últimas noticias en salud materna e infantil, ¡en Stanford Medicine Children's Health y más allá!
“Actualmente, elaboramos una receta de NPT para cada bebé, individualmente, todos los días. La preparamos desde cero y se la proporcionamos”, afirmó el autor principal del estudio. Nima AghaeepourPhD, profesor asociado de anestesiología, medicina perioperatoria y del dolor, y pediatría. «La nutrición parenteral total es la principal fuente de errores médicos en las unidades de cuidados intensivos neonatales, tanto en Estados Unidos como a nivel mundial».
El proceso no solo es propenso a errores, sino que también dificulta que los médicos sepan si han administrado la fórmula correctamente. Por ejemplo, no existe un análisis de sangre que mida si un prematuro recibe la cantidad correcta de calorías al día, y a diferencia de los bebés nacidos a término, los prematuros no necesariamente lloran cuando tienen hambre ni se muestran satisfechos cuando están saciados.
“La nutrición es una de las áreas de cuidados intensivos neonatales donde somos más débiles”, dijo el coautor del estudio. David Stevenson, MD, neonatólogo y profesor Harold K. Faber de Pediatría.
Un proceso lento
Aproximadamente el 10% de los bebés nacen prematuramente, es decir, al menos tres semanas antes de la fecha prevista. Los bebés que nacen con más de ocho semanas de antelación no están listos para absorber nutrientes a través del intestino y requieren alimentación intravenosa. Además, algunos prematuros experimentan complicaciones gastrointestinales por parto prematuro y necesitan nutrición intravenosa mientras el intestino se recupera.
Actualmente, la nutrición intravenosa se prescribe diariamente a estos pacientes de forma individual. Los pacientes necesitan macronutrientes (los componentes básicos de las proteínas, las grasas y los carbohidratos); micronutrientes como vitaminas, minerales y electrolitos; y medicamentos como la heparina, que se añade a la preparación intravenosa para reducir el riesgo de coágulos sanguíneos. Las prescripciones actuales se basan en factores como el peso del bebé, su etapa de desarrollo y los resultados de sus análisis de laboratorio.
Proporcionar estas recetas requiere la colaboración de seis expertos durante un proceso de varias horas: un neonatólogo o farmacéutico elabora cada receta, que es revisada por un dietista para comprobar su composición nutricional y por un segundo farmacéutico para garantizar su seguridad. La receta se envía a una farmacia de fórmulas magistrales, donde se prepara, y luego a la unidad de cuidados intensivos neonatales, donde una enfermera administra la vía intravenosa y otra verifica que cada paciente reciba la preparación correcta.
“Es un medicamento de alto riesgo porque es una mezcla de muchas cosas diferentes”, dijo el coautor del estudio. Shabnam GaskariDoctor en Farmacia, director ejecutivo y jefe de farmacia de Stanford Medicine Children's Health. «Si tuviéramos NPT listas para usar, sería muy beneficioso. Creo que sería más seguro para los pacientes».
Hacia fórmulas estándar
Los investigadores se preguntaron si podrían utilizar la IA para ayudar a proporcionar a los hospitales fórmulas de nutrientes preparadas y listas para usar.
Su algoritmo de IA se entrenó con 10 años de datos de historiales médicos electrónicos de la unidad de cuidados intensivos neonatales del Hospital Infantil Lucile Packard de Stanford, incluyendo 79.790 recetas de nutrición intravenosa de 5.913 pacientes prematuros. El algoritmo también tuvo acceso a información sobre la evolución médica de los pacientes, lo que le permitió encontrar patrones sutiles que relacionaban los niveles de nutrientes con la salud de los bebés. Si bien los médicos no siempre habían acertado con cada receta previa, el volumen de datos ayudó a superar ese problema, permitiendo al algoritmo aprender de forma general sobre qué funciona para los bebés en diferentes situaciones médicas.
“Esta es una fortaleza de la IA: a veces, los datos imperfectos son suficientes siempre y cuando se disponga de una gran cantidad de ellos”, afirmó Aghaeepour.
Después del entrenamiento con una década de datos de pacientes, el algoritmo agrupó prescripciones de nutrientes similares para determinar cuántas fórmulas estándar cubrirían las necesidades nutricionales de todos los pacientes y qué incluiría cada una.
Nos preguntamos: ¿Qué pasaría si elaboráramos tres fórmulas estándar, o 10, o 100? —dijo Aghaeepour—. Resulta que con 15 fórmulas distintas para nutrición intravenosa, lo que recomiendan es bastante similar a lo que los médicos, farmacéuticos y dietistas habrían hecho de todos modos. Pero estas 15 fórmulas basadas en IA pueden utilizarse para mejorar significativamente la velocidad y la seguridad.
Además, los investigadores demostraron que el algoritmo de IA podía usar datos de los historiales médicos electrónicos de los pacientes para predecir cuál de las 15 fórmulas podría necesitar cada bebé, y podía ajustar las recomendaciones diariamente, a medida que los pacientes crecían y su estado de salud cambiaba. Así, el algoritmo podía recomendar que un bebé específico necesitara la fórmula n.° 8 durante cinco días, luego la fórmula n.° 3 durante una semana, luego la fórmula n.° 14 durante unos días, y así sucesivamente.
Para comprobar la eficacia de este enfoque frente a las recetas reales, el equipo de investigación creó una prueba para 10 neonatólogos: se les mostró información clínica de pacientes anteriores, junto con las recetas de nutrición intravenosa que habían recibido y las que recomendaría el algoritmo. No se les indicó cuál receta era cuál; se les preguntó cuál consideraban mejor. Los médicos prefirieron sistemáticamente las recetas generadas por IA a las recetas reales.
Los investigadores también utilizaron IA para analizar los historiales médicos electrónicos de pacientes anteriores, buscando casos en los que la prescripción nutricional real del paciente fuera muy diferente a la que la IA habría recomendado. Descubrieron que, en estos pacientes, el riesgo de mortalidad, sepsis y enfermedad intestinal era significativamente mayor que en aquellos cuyas prescripciones coincidían con las recomendadas por la IA.
El equipo también validó el modelo de IA utilizando datos reales de la Universidad de California, San Francisco (incluidas 63.273 prescripciones nutricionales de 3.417 pacientes) y descubrió que el modelo también hizo un buen trabajo al predecir las necesidades de nutrientes de esta población.
Pasos para la implementación
El siguiente paso será realizar un ensayo clínico aleatorio en el que algunos pacientes recibirán prescripciones de nutrientes mediante el método manual, otros recibirán prescripciones recomendadas por IA y los investigadores verán cómo le va a cada grupo.
Una vez implementado el sistema, el equipo planea que los médicos y farmacéuticos continúen verificando las recomendaciones de la IA y ajusten las prescripciones si es necesario.
Colaboradores y simpatizantes
Científicos de la Facultad de Medicina Keck de la Universidad del Sur de California y del Hospital Infantil de Los Ángeles contribuyeron a la investigación.
Este trabajo contó con el apoyo de los Institutos Nacionales de Salud (subvención R35GM138353), el Centro Nacional para el Avance de las Ciencias Traslacionales (subvención UL1TR001872), el Instituto Nacional de Salud Infantil y Desarrollo Humano Eunice Kennedy Shriver (subvención R42HD115517), el Fondo Burroughs Wellcome, March of Dimes, la Fundación Alfred E. Mann, el Instituto de Investigación en Salud Maternoinfantil de Stanford a través del Programa de Investigación Traslacional SPARK de Stanford, el Fondo Tecnológico de Alto Impacto de Stanford y Stanford Biodesign. Este proyecto también contó con el apoyo del Centro Nacional para el Avance de las Ciencias Traslacionales de los Institutos Nacionales de Salud, a través del Instituto de Ciencias Clínicas y Traslacionales de la UCSF.
Haz un regalo para apoyar la investigación y la atención innovadoras para madres y bebés en el Lucile Packard Children's Hospital Stanford y en todo el mundo.
