La IA predice que los pacientes corren mayor riesgo de sufrir dolor intenso después de la cirugía

Quirófano de Urología de Valme
Quirófano de Urología de Valme - JUNTA ANDALUCÍA - Archivo
Publicado: miércoles, 7 octubre 2020 7:00

MADRID, 7 Oct. (EUROPA PRESS) -

La inteligencia artificial (IA) utilizada en modelos de aprendizaje automático puede predecir qué pacientes tienen mayor riesgo de dolor severo después de una cirugía y ayudar a determinar quién se beneficiaría más de los planes personalizados de manejo del dolor que utilizan alternativas no opioides, sugiere una nueva investigación que se ha presentado en la reunión anual Anesthesiology 2020.

Algunos pacientes experimentan un dolor más intenso después de la cirugía y necesitan dosis más altas de opioides durante períodos de tiempo más prolongados, lo que aumenta su riesgo de trastorno por abuso de opioides.

Al saber qué pacientes tienen un mayor riesgo de sufrir un dolor posquirúrgico severo, los médicos anestesiólogos pueden crear un plan de anestesia utilizando alternativas no opioides, como bloqueos nerviosos, epidurales y otros medicamentos, para tratar el dolor de manera más eficaz y reducir la necesidad de opioides.

Actualmente, los médicos utilizan cuestionarios que requieren mucho tiempo para identificar a los pacientes con mayor riesgo de dolor posquirúrgico severo y les preguntan sobre su historial de ansiedad, calidad del sueño y depresión.

En este estudio, los investigadores buscaron un método más rápido y eficaz utilizando el aprendizaje automático, donde un sistema aprende y evoluciona en función de los datos que se le proporcionan.

Crearon tres modelos de aprendizaje automático que analizaron los registros médicos electrónicos de los pacientes, que identificaron que la edad más joven, el índice de masa corporal más alto, el sexo femenino, el dolor preexistente y el uso previo de opioides eran los factores más predictivos del dolor posquirúrgico.

"Planeamos integrar los modelos con nuestros registros médicos electrónicos para proporcionar una predicción del dolor posquirúrgico para cada paciente", explica Mieke A. Soens, autora principal del estudio y anestesióloga en Brigham and Women's Hospital e instructora de Anestesiología en la Escuela de Medicina de Harvard.

"Si se determina que el paciente tiene un alto riesgo de dolor posquirúrgico severo, el médico anestesiólogo puede ajustar el plan de anestesia del paciente para maximizar las estrategias de manejo del dolor no opioides que reducirían la necesidad de opioides después de la cirugía", añade.

En el estudio de dos partes, los investigadores analizaron datos de 5.944 pacientes que se sometieron a una amplia variedad de cirugías, incluida la extirpación de la vesícula biliar, la histerectomía, el reemplazo de cadera y la cirugía de próstata.

De ellos, 1.287 (22%) habían consumido 90 miligramos equivalentes de morfina (MEM) en las primeras 24 horas después de la cirugía, lo que se considera una dosis alta. En la primera parte del estudio, utilizaron 163 factores potenciales para predecir el dolor alto posoperatorio, basándose en una búsqueda bibliográfica y consultas con expertos.

A partir de ahí, crearon tres modelos de algoritmos de aprendizaje automático (regresión logística, bosque aleatorio y redes neuronales artificiales) que extrajeron los registros médicos de los pacientes y redujeron los 163 factores predictores a aquellos que predecían con mayor precisión la gravedad del dolor de los pacientes y las necesidades potenciales de opioides después de la cirugía.

En la segunda parte, compararon lo que predijeron los modelos con el uso real de opioides en esos mismos pacientes. Determinaron que los tres modelos tenían una precisión predictiva similar en general: 81% para métodos de regresión logística y bosques aleatorios y 80% para redes neuronales artificiales. Eso significa que los modelos identificaron con precisión qué personas tenían más probabilidades de tener dolor severo y necesitaban dosis más altas de opioides aproximadamente el 80% de las veces.

"Los registros médicos electrónicos son una fuente valiosa y poco utilizada de datos de pacientes y pueden emplearse de manera eficaz para mejorar la vida de los pacientes -señala Soens--. Es importante identificar de forma selectiva a los pacientes que normalmente necesitan altas dosis de opioides después de la cirugía para ayudar a reducir el uso indebido de opioides".