Resumen.
Los algoritmos clínicos especifican los pasos de un proceso clínico, desde entradas como el diagnóstico del paciente hasta productos como recomendaciones de medicamentos, más pruebas de diagnóstico, imágenes o incluso derivaciones a especialidades. Una vez automatizados, dirigen el proceso de atención sin la intervención del médico en tiempo real.
Los algoritmos clínicos automatizados pueden ser tan simples como las reglas basadas en la edad que activan una convocatoria de programación para una vacunación preventiva o tan complejos como una vía clínica automatizada que especifique una serie de pruebas y tratamientos para enfermedades crónicas como la presión arterial alta. Como se ha demostrado durante la pandemia de Covid-19, si se hace bien, mejoran la eficiencia operativa y maximizan la calidad clínica. Pero aprovechar todo su potencial requerirá el cumplimiento de los principios desarrollados a lo largo de 75 años para automatizar el ensayo clínico, de los que hablaremos en este artículo.
• • •
Los algoritmos clínicos automatizados prometen transformar la atención primaria. Los algoritmos clínicos especifican los pasos de un proceso clínico, desde entradas como el diagnóstico del paciente hasta productos como recomendaciones de medicamentos, más pruebas de diagnóstico, imágenes o incluso derivaciones a especialidades. Una vez automatizados, dirigen el proceso de atención sin la intervención del médico en tiempo real.
Los algoritmos clínicos automatizados pueden ser tan simples como las reglas basadas en la edad que activan una convocatoria de programación para una vacunación preventiva o tan complejos como una vía clínica automatizada que especifique una serie de pruebas y tratamientos para enfermedades crónicas como la presión arterial alta. Como se ha demostrado durante la pandemia de Covid-19, si se hace bien, mejoran la eficiencia operativa y maximizan la calidad clínica. Pero aprovechar todo su potencial requerirá el cumplimiento de seis principios desarrollados a lo largo de 75 años para automatizar el ensayo clínico, de los que hablaremos en este artículo.
Algoritmos automatizados para la atención
Abrumados por el volumen de pacientes con Covid-19 en sus comunidades, los sistemas de salud se han desplegado herramientas de clasificación automatizadas en línea y por teléfono para diferenciar rápidamente entre aquellos que pueden permanecer en cuarentena en casa de forma segura y los que pueden necesitar una atención más centrada. Un enfoque incluía controles diarios automáticos por teléfono o mensaje de texto con los pacientes en casa y derivar la atención a una enfermera de triaje como los síntomas lo justifican. La adición de un dispositivo de medición de oxígeno en sangre domiciliario mejoró la calidad y la capacidad de acción de los datos para los pacientes más enfermos. Estas soluciones automatizadas aumentaron enormemente la capacidad del sistema de salud para hacer frente al aumento de pacientes ambulatorios por COVID-19.
En cuanto a los pacientes hospitalizados, los hospitales estaban abrumados con pacientes gravemente enfermos de Covid-19. Los médicos agotados, incapaces de evaluar continuamente la oleada de estudios de investigación que examinaban la Covid-19 y su tratamiento, necesitaban ayuda. En respuesta, muchas instituciones reunieron a expertos locales para revisar las pruebas y generar recomendaciones para la gestión de la COVID-19. En muchos casos, estas recomendaciones se codificaron en algoritmos, se incorporaron en sistemas de historiales médicos electrónicos y se automatizaron mediante juegos de pedidos estandarizados (un conjunto de solicitudes, como pruebas de laboratorio y recetas, aplicadas a una situación clínica concreta). Un lugar que lo hizo es el Hospital Johns Hopkins, la institución de origen de varios de nosotros. Estos algoritmos proporcionaban un acceso inmediato a la atención de última generación para la COVID-19 para los pacientes hospitalizados, lo que permitía a los médicos gestionar de forma experta la nueva enfermedad en medio de una crisis.
El uso de algoritmos automatizados para ayudar con la Covid-19 sigue una tradición de incorporación exitosa de algoritmos de apoyo a la toma de decisiones para condiciones como insuficiencia cardíaca, diabetes, y anticoagulación, que requieren una monitorización continua y un ajuste frecuente de la dosis del medicamento. El médico que receta establece un objetivo terapéutico y prescribe una serie de pasos para lograrlo. Posteriormente, ese proceso lo gestionan otros médicos, como enfermeras y farmacéuticos, sin la participación en tiempo real del médico que lo receta. Estos programas son eficaces debido a su enfoque clínico y a directrices bien establecidas y, a menudo, reducen coste al mismo tiempo que mantiene o mejora la calidad.
Cómo automatizar la atención primaria
La atención primaria también se puede transformar mediante la amplia aplicación de algoritmos automatizados, pero esto requiere crear procesos clínicos automatizados que sean seguros y eficaces. Afortunadamente, el mundo de la medicina tiene mucha experiencia con procesos clínicos automatizados en forma de ensayos clínicos. En los ensayos, la intervención se especifica en forma de un algoritmo que guía el proceso clínico.
Por ejemplo, en una prueba de un nuevo fármaco para la presión arterial alta, el algoritmo de la prueba especificará la frecuencia de los controles de la presión arterial y el ajuste de la dosis del fármaco del estudio en función del nivel de presión arterial. A pesar de la falta de aportaciones del médico, los participantes en el ensayo logran su objetivo terapéuticode forma segura, más rápida y coherente que los pacientes tratados en una práctica tradicional.
Los sistemas automatizados de atención primaria también emplean algoritmos que guían el proceso de atención. Codifican la lógica de un proceso clínico mediante la especificación de los pasos que van desde entradas como los factores del paciente, incluidos diagnósticos y biomarcadores, hasta productos como los medicamentos recomendados.
En el centro del enfoque de generación de algoritmos se encuentra una evaluación y síntesis sistemáticas de la evidencia clínica. Dado que los conocimientos médicos evolucionan a medida que se acumulan las pruebas, los algoritmos deben actualizarse a medida que se acumulan las pruebas y la experiencia con un proceso automatizado.
Además, es posible que los algoritmos deban considerar la viabilidad de una serie de opciones de tratamiento. Por ejemplo, un medicamento recomendado puede resultar demasiado caro para el paciente y, por lo tanto, también se pueden ofrecer otras opciones menos caras. Por supuesto, deben especificarse las desventajas de seleccionar una opción económica, como menos comodidad (por ejemplo, una dosificación una vez al día frente a dos veces al día).
Por último, el proceso de desarrollo y modificación de algoritmos requiere una supervisión independiente que se centre en garantizar la calidad, la seguridad, la viabilidad y la transparencia. Por ejemplo, un comité compuesto por expertos clínicos, administradores y representantes de pacientes de una institución podría revisar el impacto de un algoritmo en la seguridad y la satisfacción de los pacientes, los resultados clínicos y los costes.
Los sistemas de administración también pueden asociarse directamente con desarrolladores de software, cuyos algoritmos pueden «rastrear» la literatura médica existente en tiempo real para actualizar las directrices. A su vez, los desarrolladores de software deberían buscar sociedades especializadas de profesionales médicos, que a menudo conocen bien las limitaciones de la investigación existente.
Por último, la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA), como regulador nacional de los dispositivos médicos, tiene un papel que desempeñar. Ya ejerce una supervisión flexible y centrada de» el software como dispositivo médico» — software con un uso médico previsto que funciona independiente de un dispositivo médico de hardware.
Si bien los dispositivos médicos están tradicionalmente sujetos al marco normativo basado en el riesgo de la FDA, los desarrolladores de software pronto tendrán una vía alternativa para obtener la aprobación regulatoria: la vía voluntaria de precertificación en salud digital. Presentado en 2017 con nueve empresas como parte de un piloto, supervisa los algoritmos clínicos y la inteligencia artificial y puede reducir el «tiempo de comercialización».
Utiliza un enfoque inicial del ciclo de vida total del producto para la supervisión del software médico que se centra tanto en los procesos del desarrollador, como la gestión de riesgos, la gestión de la configuración para mantener el proceso en el estado deseado y la gestión del cambio (alterar el proceso para lograr nuevas metas y objetivos), y análisis específicos del producto (por ejemplo, para verificar las afirmaciones sobre el rendimiento del producto). Este enfoque significa que los productos de bajo riesgo podrían comercializarse sin una revisión adicional de la FDA, lo que acelera el acceso de los pacientes a productos mejorados. Además, los productos de alto riesgo serían sometidos a una revisión optimizada de la FDA, lo que reduciría el tiempo y el coste de preparación y revisión
Independientemente de cómo se logren la supervisión y la responsabilidad, es fundamental que el desarrollo y la aplicación del sistema médico automatizado se adhieran a seis principios básicos, que se derivan de la amplia experiencia de las organizaciones en la automatización a través de ensayos clínicos.
1. Primero, no haga daño.
La seguridad debe ser un principio fundamental que guíe la utilización de un proceso clínico automatizado. Los estrictos criterios de inclusión y exclusión son un mecanismo importante para garantizar la seguridad. He aquí un ejemplo: los participantes en ensayos clínicos suelen representar un pequeño subconjunto de los tipos de pacientes que pueden beneficiarse de la terapia que se investiga. Los estrictos criterios de inclusión y exclusión de un ensayo se utilizan para limitar los participantes a aquellos que tienen más probabilidades de beneficiarse y menos perjudicados.
Del mismo modo, la participación en un proceso automatizado debe limitarse para maximizar la seguridad. Los pacientes con afecciones no complicadas tendrán más probabilidades de reunir los requisitos para ser incluidos en un proceso automatizado dado, mientras que aquellos con necesidades más complejas se tratarán mediante vías tradicionales intensivas por parte de los médicos. Esta distinción es clave, ya que permite a los médicos pasar más tiempo con pacientes complejos que necesitan atención adicional, lo que permite a los médicos practicar más cerca de la parte superior de su licencia. A medida que se acumulan las pruebas, se puede evaluar la seguridad de incluir una gama más amplia de pacientes cada vez más complejos y se puede ampliar el alcance del proceso automatizado.
2. Elección.
Los pacientes que cumplan los criterios de inclusión de un proceso automatizado específico deberían poder excluirse. En la práctica, un resultado común de un proceso de atención primaria automatizado será una recomendación de tratamiento. Por lo tanto, el paciente, con el apoyo del proveedor de atención, debe tomar la decisión final sobre si seguir la recomendación. Del mismo modo, los médicos deberían poder excluirse de un proceso automatizado determinado para sus pacientes.
Las posibles consecuencias de la exclusión voluntaria, como los retrasos en la atención y el aumento de los costes, deben comunicarse claramente, y los sistemas de atención médica deben hacer un seguimiento con aquellos que opten por no participar para comprender mejor los motivos, información que pueden utilizar para mejorar el diseño del proceso clínico.
3. Divulgación.
Para facilitar las elecciones de los pacientes y los médicos, es necesario que se les informe de la naturaleza automatizada del proceso de toma de decisiones. La lógica y las pruebas utilizadas para determinar la recomendación deben comunicarse claramente. Por ejemplo, una recomendación de recetar un medicamento concreto para la hipertensión se basaría en los riesgos de no tomarlo, como sufrir un futuro derrame cerebral, frente al riesgo de tomar el medicamento, como los posibles efectos secundarios. Un desafío importante será comunicar factores complejos como probabilidades de los resultados clínicos y el momento y la gravedad de esos resultados.
4. Personalización.
Debería haber una oportunidad para que los pacientes «digan al algoritmo» sus preferencias personales de tratamiento. Por ejemplo, algunos pacientes prefieren utilizar enfoques de estilo de vida para controlar las enfermedades crónicas (por ejemplo, controlar su peso y sus afecciones relacionadas con el peso mediante el ejercicio y la dieta); otros prefieren tomar medicamentos para el colesterol alto que modificar su dieta. Estas preferencias pueden afectar al conjunto de recomendaciones del algoritmo.
5. Grados de automatización.
Un proceso clínico puede estar total o parcialmente automatizado. Por ejemplo, la herramienta telefónica automatizada para clasificar a los pacientes con Covid-19 descrita anteriormente estaba totalmente automatizada y no requería la intervención del médico. Por el contrario, un proceso clínico puede automatizarse solo parcialmente; por ejemplo, cuando el resultado es una recomendación de tratamiento, pero los pacientes y sus proveedores deciden si la toman. Los procesos parcialmente automatizados pueden proporcionar un apoyo sólido para ayudar a los médicos a tomar decisiones, pueden reducir la variabilidad en las decisiones que toman y pueden ayudar a minimizar su desviación de las directrices basadas en evidencia.
Los puntos de bifurcación clave de un algoritmo pueden requerir una decisión del paciente o el médico. Por ejemplo, el médico puede especificar un objetivo del tratamiento e iniciar un proceso automatizado para lograrlo. En este caso, el médico esencialmente prescribe un proceso de cuidados en lugar de un medicamento y una dosis específicos. Los ejemplos incluyen algoritmos dedicados al tratamiento de la insuficiencia cardíaca, la diabetes y la anticoagulación, en los que quienes no recetan ajustan los medicamentos, educan a los pacientes y evalúan clínicamente a los pacientes dentro de los límites de una afección ya diagnosticada. En estos casos, la participación del médico en el proceso puede seguir siendo importante para la seguridad y la aceptación del paciente.
Muchos pacientes creen que sus las necesidades médicas son únicas y no pueden abordarse adecuadamente mediante algoritmos, que puede considerarse inflexible. En realidad, los algoritmos pueden ofrecer una atención más individualizada debido a su capacidad para tener en cuenta más factores de los que un médico puede considerar.
6. Un sistema de atención médica para el aprendizaje.
La atención primaria automatizada se convertirá en un componente fundamental de un sistema de atención sanitaria que aprende y se adapta continuamente. Mediante la medición de los predictores y los resultados, combinada con enfoques rigurosos de la implementación estructurada, los sistemas automatizados podrían evaluar el impacto de las terapias novedosas en los resultados clínicos, la satisfacción del paciente y los costes. Estas evaluaciones deberán diseñarse cuidadosamente para minimizar el impacto de los sesgos. Las modificaciones posteriores de los algoritmos en función de la acumulación de pruebas pueden ser manuales o automáticas. Pero a medida que aumenta el grado de automatización, también debe aumentar el grado de supervisión local por parte de los usuarios y los sistemas de salud.
Acelerada por la pandemia de Covid-19, la automatización ha llegado a la atención primaria. Una vez que se construyan siguiendo los principios derivados de nuestra larga experiencia en ensayos clínicos, los algoritmos automatizados garantizarán la calidad clínica, mejorarán la eficiencia operativa y acelerarán el ritmo de la innovación. Si se hace bien, la automatización promete desempeñar un papel crucial en la próxima transformación de la atención sanitaria.
por J. Hunter Young, Kyle Richardville, Bradley Staats, y Brian J. Miller