Desarrollar, evaluar e implementar algoritmos para prevenir errores de medicación es lo que concentra el trabajo del profesor Sebastián Ríos de la FCFM, quien a partir de la Ciencia de Datos busca el desarrollo de una propuesta para la salud nacional.

Los errores de medicación (EM) son habituales, preocupantes y perjudiciales para la salud de las personas. Según datos de 2008, en USA los errores médicos son el causante de la muerte de 98.000 pacientes al año. En tanto, en Canadá y Nueva Zelanda el 10% de los pacientes hospitalizados sufren las consecuencias de estas faltas.

¿Qué se entiende por errores de medicación? Las opciones pueden ser múltiples y variadas, por ejemplo, la mala comunicación entre los médicos de un paciente, la mala comunicación entre los pacientes y el personal de salud, nombres de remedios que suenan parecidos o lucen similares o abreviaturas médicas que inducen a confusión.

El Dr. Sebastián Ríos, académico del Departamento de Ingeniería Industrial de la Universidad de Chile, plantea que “existe consenso que una estrategia tecnológica efectiva para reducir los EM es la prescripción electrónica con sistemas de apoyo a la decisión clínica (o CDSS, por su sigla en inglés)”.

Con esta información, el profesor Ríos ganó un proyecto Fondef titulado: “Advanced Data Science Methods for medication error prevention”, en el cual se ha dedicado al desarrollo de una plataforma para alertar a los equipos de salud respecto de estos riesgos. En especial, pensando en pacientes con condiciones de base que los vuelve más vulnerables.

«El proyecto comenzó en marzo de 2020, en plena pandemia, lo que puso un desafío muy grande en el equipo. Ya que es necesario trabajar directamente con datos hospitalarios en un momento en que los profesionales de la salud estaban extremadamente atareados, si no colapsados. Sin embargo, con el compromiso del personal médico, se ha logrado avanzar a pesar de esta dificultad. El fin del proyecto está programado para marzo 2023, donde se espera contar con un prototipo funcional de la plataforma”, relata el investigador.

El sistema está formado fundamentalmente por una serie de algoritmos de Machine Learning y de detección de patrones que permitan la identificación temprana de estos riesgos, para poder advertirlos al equipo medico y así poder evitarlos o mitigarlos.

La plataforma es capaz de procesar textos de recetas médicas para detectar los diversos principios activos en las prescripciones médicas, cantidades, formas de administración de los medicamentos, entre otros. Con estos antecedentes es posible detectar los riesgos de medicación. El procesamiento de texto es una de las líneas más antiguas de trabajo del profesor Ríos, y “es un mundo en sí mismo, ¡muy apasionante por lo demás!”, explica.

Por esto, se dio la tarea de programar personalmente todo el procesamiento del texto de las recetas, herramientas que existen del año 2015 aproximadamente, como los diversos tipos de redes neuronales, word embbedings, transformers, entre otros.

“Este tipo de algoritmos usualmente reciben el apodo de técnicas avanzadas de procesamiento. Sin embargo, no basta con poder “entender” las prescripciones médicas, también es necesario contar con otros datos respecto de los efectos adversos que estas combinaciones producen o han producido en los pacientes; o variables que nos entreguen información respecto de cada paciente (género, edad, condiciones de base, historial médico, etc.). De este modo, es posible poder entrenar diversos modelos de clasificación que permitan detectar los riesgos asociados. Justamente, en esta tarea, surgen una segunda familia de algoritmos que también pueden ser avanzados, ya sea usando diversos tipos de redes neuronales o algoritmos de clasificación bayesiana”, indica Ríos.

Finalmente, todos estos algoritmos están siendo implementados en una librería (API o en español, Interfaz de programación de aplicaciones) que permita transferir los resultados de los modelos a cualquier sistema que lo requiera en Chile o fuera del país. De este modo, cualquier hospital del país que requiera el análisis o las alertas de riesgos de medicación, podrá acceder al sistema usando una conexión segura a internet.
En particular, el proyecto cuenta con el apoyo del Servicio de Salud Metropolitano Sur Oriente, quien es socio del proyecto y todos los algoritmos se están desarrollando y probando en el Hospital de la Florida. “Donde ya contamos con más de 1.800.000 recetas médicas completamente anonimizadas para poder entrenar los algoritmos. Para posteriormente, escalar la solución a nivel nacional”, añade.

“Nuestra idea como equipo, es poder dejar una solución que sirva a todos los hospitales públicos o privados de nuestro país en primer lugar. No que quede como un desarrollo científico que solo termine en publicaciones científicas”, concluye el profesor Ríos.

Por Valeria Osorio Ureta, Comunicaciones OpenBeauchef