Reducción de la variabilidad clínica en la atención a pacientes con ictus mediante el uso de la inteligencia artificial

Abstract

La optimización de los procesos hospitalarios para el tratamiento de ictus mediante el uso de inteligencia artificial (IA) es el tema central de este trabajo. Un ictus requiere de tratamiento inmediato que consume una gran cantidad de recursos hospitalarios, lo que junto con el número creciente de pacientes que lo sufren y que es una de las principales causas de muerte y discapacidad, lo convierten en un auténtico desafío para los sistemas de la salud. Con este texto se analiza cómo con la ayuda de la IA se puede reducir la variabilidad clínica en la atención a pacientes, estandarizar protocolos y mejorar la eficiencia en el uso de los recursos por parte de los hospitales.

Se analizará cómo Quirónsalud, que es la empresa que servirá de fuente de información para los datos clínicos, aborda la optimización de la gestión hospitalaria mediante la implementación de la IA predictiva en combinación con el sistema Casiopea, una plataforma de historia clínica electrónica que permite a los médicos acceder a datos clínicos de forma inmediata. La IA contribuye a mejorar la eficiencia al facilitar la automatización de la solicitud de pruebas diagnósticas y tratamientos, basados en protocolos predefinidos validados por el consenso médico.

Gracias a la inteligencia artifical se identifican relaciones entre las variables controladas mediante el análisis de los datos históricos y de esta forma se puede determinar cuál es la vía clínica óptima repetida en el mayor número de episodios de ictus. Gracias a los modelos predictivos se logra optimizar el flujo de pacientes, aumentar su satisfacción y reducir la estancia media en el hospital mediante la identificación de las pruebas médicas, los tratamientos farmacológicos y los no farmacológicos óptimos. Con este enfoque Quirónsalud logra establecer una vía clínica estandarizada que aplica en sus hospitales para mejorar la eficiencia.

The optimization of hospital processes for stroke treatment through the use of artificial intelligence (AI) is the central theme of this work. A stroke requires immediate treatment that consumes a large amount of hospital resources, which together with the growing number of patients who suffer from it and that it is one of the main causes of death and disability, makes it a real challenge for health systems. This text analyzes how, with the help of AI, clinical variability in patient care can be reduced, protocols can be standardized and efficiency in the use of resources by hospitals can be improved.

This paper will analyze how Quirónsalud, which is the company that will serve as the source of information for the clinical data, approaches the optimization of hospital management by implementing predictive AI in combination with the Casiopea system, an electronic medical record platform that allows doctors to access clinical data immediately. AI helps to improve efficiency by facilitating the automation of the ordering of diagnostic tests and treatments, based on predefined protocols validated by medical consensus.

Thanks to artificial intelligence, relationships between controlled variables can be identified by analyzing historical data and this way it is possible to determine which is the optimal clinical pathway repeated in the greatest number of stroke episodes. Predictive models help to optimize patient flow, increase patient satisfaction and reduce the average hospital stay by identifying the optimal medical tests, pharmacological and non-pharmacological treatments. With this approach, Quirónsalud is able to establish a standardized clinical pathway that applies in its hospitals to improve efficiency.