Investigadores de Mayo Clinic exploraron en un estudio el potencial de la IA para predecir la necesidad de los pacientes de recargas de opioides después de una cirugía.
Un estudio de Mayo Clinic exploró el potencial de la inteligencia artificial (IA), para predecir la necesidad que tiene cada paciente de recargas de opioides después de una cirugía. El estudio contó con la participación de 9,731 pacientes y utilizó modelos de deep learning para realizar las predicciones sobre qué paciente tenían más probabilidad de requerir recargas adicionales de opioides después de una cirugía. Este estudio busca que los pacientes reciban un control adecuado del dolor y minimizar el riesgo de dependencia de opioides.
El estudio analizó una amplia variedad de cirugías como abdominales (1,680), torácicas (280), de mama (507), así como procedimientos de cabeza y cuello (1,243) y cirugías vasculares (133). Además, es importante anotar que 2,086 de las cirugías utilizaron técnicas mínimamente invasivas.
En este sentido, gracias a la aplicación de IA y deep learning, los investigadores descubrieron que el tipo de cirugía, el nivel de dolor informado por el paciente durante la hospitalización y la cantidad inicial de opioides recetados fueron los predictores claves de la necesidad de recargas. No obstante, los autores detallaron que identificar a este tipo de pacientes, no solo significa recetar más opioides, también implica la creación de estrategias para el control del dolor sin opioides de la mano de modelos de IA.
“Existen numerosos medicamentos a base de opioides, medicamentos no opioides y estrategias no farmacológicas para controlar el dolor posoperatorio”, expresó el autor principal del estudio, el Dr. Cornelius A. Thiels, cirujano oncólogo de Mayo Clinic. “Este modelo predictivo tiene como objetivo ayudar a los médicos a identificar cuándo la estrategia actual es insuficiente y a complementarla con estas herramientas según sea necesario”, agregó.
Los investigadores concluyen que un enfoque personalizado del tratamiento del dolor es útil para minimizar la dependencia de los opioides. “Estos sistemas funcionan como asistentes para los profesionales de la salud, y la decisión final la toman ellos en función de la opinión general sobre el paciente”, dijo el autor principal del estudio, el Dr. Hojjat Salehinejad, investigador de ingeniería de sistemas de atención médica en Mayo Clinic.
Los autores también indican que se necesita una mayor validación de este modelo para implementarlo en la práctica. “El objetivo nunca ha sido sustituir la discreción y la toma de decisiones del médico, sino más bien proporcionar datos y análisis basados en la evidencia para ayudar en la toma de decisiones”, afirmó el Dr. Thiels. Además, explicó que la ventaja de los modelos es utilizar mayores cantidades de datos sin depender de la entrada manual de los médicos, que es como se solían construir los modelos predictivos.
