UCIN y IA para Bebés

Los partos prematuros representan aproximadamente el 10% de los nacimientos vivos, y casi todos los recién nacidos prematuros tienen dificultades para alimentarse. En los Estados Unidos, el número de recién nacidos que experimentan problemas alimenticios se encuentra en aumento, superando actualmente los 2,8 millones.

En la neonatología, la Inteligencia Artificial se está probando actualmente para una serie de funciones, incluido el monitoreo de signos vitales, el diagnóstico y pronóstico de trastornos neurológicos y la predicción de enfermedades como el síndrome de dificultad respiratoria, la displasia broncopulmonar, la apnea de la prematuridad, la retinopatía de la prematuridad, la perforación intestinal y la ictericia.

Una Mirada a la Calidad de Datos en las UCIN

Piense en una Unidad de Cuidados Intensivos Neonatales (UCIN) típica: el ritmo de atención es veloz, y casi todas las decisiones clínicas se toman en tiempo real. La falta de datos de alta calidad ya dificulta esas decisiones en la actualidad. A pesar de la cantidad de datos clínicos almacenados en los EHRs, los datos no estructurados que necesitan los equipos de UCIN suelen estar ocultos, ausentes o llenos de errores en los historiales de los pacientes.

Una enfermera de UCIN, por ejemplo, probablemente puede notar si una dosis de medicamento ha sido aumentada por error basada en el peso del bebé y puede corregir el error inmediatamente, ya que el ojo humano puede solucionar muchos de estos errores. Si la IA podría actuar de manera similar aún es un misterio para los humanos. Ya, la desconfianza de los médicos y la cantidad excesiva de re-trabajos ocasionados por la mala calidad de datos en las UCIN están fuera de control.

Esto añade combustible al fuego del agotamiento entre las enfermeras que sienten la necesidad moral de verificar cada detalle en el historial de un paciente, aunque rara vez tienen la oportunidad de hacerlo. Asumiendo que los sistemas de IA se desarrollan realmente usando datos pediátricos, las UCIN no están en una posición de poder confiar en ellos para cualquier parte del cuidado del paciente de forma responsable.

Existe una escasez de datos pediátricos en la investigación actual de la IA, lo que lleva a los investigadores a sacar conclusiones incorrectas sobre las poblaciones pediátricas a partir de conjuntos de datos de adultos, tal como se señala en un nuevo marco de directrices para el uso responsable de datos pediátricos en estudios de IA. A menudo se cree que las UCIN deberían comenzar a utilizar la IA inmediatamente para mejorar los resultados de los pacientes y la toma de decisiones. Sin embargo, los sistemas de salud se beneficiarían más de ejercer prudencia y fortalecer la calidad de sus datos clínicos en las UCIN. Como dice el refrán, recoges lo que siembras.