APOYO DE DECISIONES CLÍNICAS POR COMPUTADORA

INTRODUCCIÓN

El sistema de apoyo de decisiones clínicas (SADC) se define como cualquier sistema electrónico que ayuda al personal de salud en la toma de decisiones clínicas, utilizando las características individuales de los pacientes para generar evaluaciones y recomendaciones específicas que se presentan a los profesionales para su consideración. Algunas de sus herramientas son:

·        DIAGNOSTICO

·        ALERTAS

·        RECORDATORIOS

·        PLANIFICACIÓN DEL TRATAMIENTO

·        DOSIS DE FÁRMACOS

·        ENTRE OTROS

Los SADC intentan sobre todo disminuir la probabilidad de errores en las etapas de procesos diagnósticos que pueden llevar a intervenciones terapéuticas inadecuadas, con consecuencias negativas y costos importantes para los pacientes. 

PANORAMA DE LOS SISTEMAS Y PROGRAMAS PARA APOYO DE DESICIONES EN MEDICINA

Tipos y uso de los SADC

Los primeros SADC se derivaron de la investigación sobre sistemas expertos: los programadores se esforzaron para simular en sistemas digitales las normas que permitían pensar como un clínico experto cuando se enfrenta a un paciente.

De acuerdo con Shortliffe, Buchanan y Feigenbaum, existen distintos tipos de SADC algoritmos clínicos, sistemas de reconocimiento de patrones, sistemas estadísticos de Bayes, sistemas de decisiones analíticas y sistemas de razonamiento simbólico.

El uso más común de los SADC es para hacer frente a las necesidades clínicas, como asegurar un diagnóstico preciso, detectar a tiempo enfermedades prevenibles o evitar eventos adversos. Sin embargo, también pueden reducir los costos, mejorar la eficacia y disminuir las molestias del paciente.

El objetivo del SADC es ayudar al clínico mas nunca sustituirlo.

Impacto y efectividad del SADC en el proceso de atención de salud y los resultados de los pacientes.

Los estudios que comparan sugerencias de diagnóstico de los SADC puede incluso recordar a los médicos expertos los diagnósticos potencialmente importantes que al principio no consideraron.

Para que los SADC sean eficaces, los médicos deben estar motivados para usarlos; sin embargo, algunas características de las instituciones del sector salud pueden disminuir, en lugar de incrementar, esta motivación, en especial si el empleo de un SADC intensifica la presión del tiempo en el proceso de atención al paciente.

IMPLEMENTACION Y EVALUACION DE LOS SADC

Kawamato et al. Realizaron una revisión sistemática de los estudios e identificaron las características de diseño que se relacionan con la implementación exitosa de los SADC. Su estudio revelo que:

• El apoyo basado en computadora en la toma de decisiones es más eficaz que los procesos manuales de soporte de decisión.
• Las intervenciones de los SADC que se presentan automáticamente y encajan en el flujo de trabajo de los clínicos son más probables de ser empleadas.
• Los SADC que recomiendan acciones para que el clínico tome son más efectivos que los que simplemente proporcionan evaluaciones.
• Las intervenciones de SADC que proporcionan información en el momento y lugar de la toma de decisiones son más probables de tener un impacto.

EJEMPLOS DE PROGRAMAS DE APOYO DE DECISIONES EN MEDICINA 

A manera de introducción diremos que los generadores de diagnósticos diferenciales GDD son programas informáticos que ayudan al médico con los signos y síntomas de sus pacientes y otros factores a fin de sugerir una lista de posibles diagnósticos para su consideración. Estos han estado disponibles desde 1980.

Berner et al. Realizaron en 1994 una de las obras más importantes que evalúan el rendimiento de los generadores de diagnóstico diferenciales (GDD). Ese estudio histórico enfrento cuatro programas a 105 “retos diagnósticos” de casos difíciles que se crearon a través de un proceso consenso de expertos y tales programas surgieron el diagnostico 52% a 71% de las veces. En aquel tiempo se observó que su capacidad para ser útiles en la práctica aún no se había probado.

DXplain

Es de fácil acceso para ser utilizado por médicos que no tienen gran experiencia en computación; acepta una lista de manifestaciones clínicas y después propone hipótesis diagnósticas de enfermedades comunes y enfermedades raras con base en el sexo, la edad y el tiempo de evolución del padecimiento. Explica y justifica sus interpretaciones para proveer un conocimiento integral básico del conjunto de diagnósticos diferenciales. 

DXplain es un sistema de ayuda diagnostica que utiliza un conjunto de datos clínicos (signos, síntomas y resultados de pruebas de laboratorio) para producir una lista de hipótesis diagnósticas de mayor a menor probabilidad dentro de dos categorías: enfermedades comunes contra raras, con base en su prevalencia.

El mecanismo consiste en un algoritmo seudoprobabilistico. Se asignan dos atributos a los hallazgos clínicos; uno relativo a la frecuencia de los hallazgos en la enfermedad y otro que expresa la fuerza con que sugiere la enfermedad.

CAPACIDADES DEL SISTEMA

Algunos autores consideran GDD como DXplain debería tener las siguientes características para ser utilizados en la práctica clínica diaria:

 a) ser de fácil uso para médicos con pocas o ninguna formación computacional

b) estar basado en contenido médico integral

 c) proveer interpretaciones correctas y precisas

d) justificar sus interpretaciones

 e) ser accesible desde cualquier lugar, como el hospital o la oficina

 f) evolucionar y mejorar como resultado del uso crítico y el análisis de las sesiones de los usuarios clínicos.

ISABEL

En lenguaje natural y el único producto que permite al usuario introducir todos los  hallazgos clase a la vez. El programa utiliza un “procesamiento de lenguaje natural”, motor de búsqueda para que coincida con las características, clínicas con términos similares en el conjunto de datos diagnósticos. Cada diagnóstico tiene una descripción completa de las características clínicas con el diagnóstico diferencial clasificado en orden de importancia según la coincidencia de las características clínicas introducidas.

Isabel tiene enlaces a bases de datos de conocimiento y estudios de validación.