El propósito de la evaluación preoperatoria es identificar y optimizar factores de riesgo en los pacientes para lograr el mejor resultado perioperatorio posible. A pesar de la prevalencia del sistema de clasificación de la Sociedad Americana de Anestesiólogos (ASA), su confiabilidad inter-evaluador limitada y la falta de personalización en sus criterios resaltan la necesidad de herramientas más avanzadas y precisas. Los modelos de Inteligencia Artificial (IA) pueden proporcionar predicciones precisas del riesgo perioperatorio
A continuación, te presentamos distintas tecnologías de IA en la evaluación de riesgos
- Modelos de Aprendizaje Automático (Machine Learning – ML): Eestos modelos, utilizando datos como demografía, comorbilidades, resultados de laboratorio y notas clínicas, presentan un potencial significativo para predecir riesgos perioperatorios con mayor precisión. Por ejemplo, modelos de redes neuronales desarrollados con datos del Programa Nacional de Mejora de la Calidad Quirúrgica del Colegio Americano de Cirujanos mostraron una precisión notable, aunque con la desventaja de una transparencia limitada en sus procesos.
- Datos de historia clínica electrónica: el desarrollo de modelos basados en historia clínica electrónica permite incluir datos exhaustivos de consultas clínicas, pruebas de laboratorio, imágenes y signos vitales. Un estudio utilizando un modelo xgboost predijo el riesgo de mortalidad a 30 días con una precisión impresionante. Además, estos métodos pueden señalar qué factores del paciente contribuyeron a las predicciones.
- Procesamiento del Lenguaje Natural (Natural Language Processing – NLP): las herramientas de NLP pueden procesar y entender textos generados por humanos, permitiendo una extracción eficiente de datos relevantes de la historia del paciente. Un estudio demostró que un modelo de NLP coincidió en un 80.2% con la evaluación de un anestesiólogo experimentado, resaltando su potencial para economizar tiempo valioso en la práctica clínica.
La incorporación de modelos de ML y NLP en la evaluación preoperatoria representa un avance significativo en la anestesiología. Estas herramientas no solo mejoran la precisión en la evaluación de riesgos, sino que también permiten personalizar el enfoque para cada paciente. Además, al integrarse en la historia clínica electrónica, estos modelos pueden facilitar la identificación de factores de riesgo modificables, mejorando así los resultados perioperatorios.
Sin embargo, es esencial reconocer las limitaciones actuales, como la necesidad de transparencia en los modelos de ML y la dependencia de datos de alta calidad. A medida que avanzamos, es crucial continuar investigando y refinando estas tecnologías, asegurando su aplicación ética y efectiva en el cuidado del paciente.
Como anestesiólogos en la era digital, es nuestro deber estar al tanto de estos avances y considerar cómo pueden integrarse en nuestra práctica para mejorar la seguridad y eficacia de la atención perioperatoria. La inteligencia artificial no viene a reemplazar al médico, sino a potenciar su capacidad de toma de decisiones basada en un conocimiento más amplio y profundo.
