Artículo BIT
Tecnologías para la salud (II): medicina, informática y conocimiento: en busca de una mejor calidad asistencial
Tecnologías para la Salud Medicina5 informática y conocimientoi En busca de una mejor calidad asistencial Mucho se ha debatido sobre los efectos positivos y negativos de la introducción de la tecnología en el entorno médico y sanitaric En particular la informatización de distintos aspectos hospitalarios ígestión5 servicios generaleSj departamentos9 etcj está siendo lenta y5 en ocasiones1 de renta bilidad discutib Un paso importante en España se ha dado con la intro ducción desde el Ministerio de Sanidad y Consumo del PIan DÍAS91 Dota ción Informática para la Asistencia Sanitarias que promueve el uso de estándares médicos9 informáticos y telemáticos9 la adopción de sistemas abiertos y la participación de los usuarios en los diseños de sistemasI Gregorio Fernández Jesús Calzadilla IUNISVSECAI1 CKEEPCHost3 PtinBepart Consi Waitinq ExplanationsAbstractwnDwgnostic Concfesions AnaoraohicálDatá Iron Tests Clncd Evidences ErvthrokirKtic Tesis Comiet lííd CflDf Bone Diff Blood FJm Exarrmaht Expknáom ClmcalHiáorv BoneManrowBwDSJ Ditt trir Hernolyhc Ane NE 0 ANEMIA Listener 62 EN este artículo comentaremos brevemente las tendencias actuales sobre estandariza ción en informática sanitarial pero nos ce traremos esencialmente en los sistemas de ayuda a las actividades cognoscitivas de los profesionales de la medicir Es decirf los llamados usistemas expertc En una primera parte esbozamos algunas ideas sobre la forma en que la té nica de inteligencia artificial pueden facilitar esas activU dadesf y después expondremos algunos ejemplos sig nificativc SISTEMAS EXPERTOS Y MEDICINA Los problemas relacionados con el conocimiento y el razonamiento médico han sido siempre objeto de int rés para los investigadores en inteligencia artificial Desde los años 50 se han desarrollado numerosos sis temas de ayuda al diagnóstico y al tratamientof y casi todos los primeros prototipos de sistemas expertos ÍMYCINI INTERNISTA CASNETJ estaban aplicados a algún campo de la medicir Hay programas clásicos de diagnóstico automático11 que1 utilizando técnicas bayesianas o de reconocimie to de patrones1 dan una precisión diagnóstica compara ble o superior a la de los médicos1 Por otra partet el 80o7o de los evaluadores de los sistemas expertos c dos consideran que éstos funcionan al nivel de experto en sus campos respectivosI Pese a elle y salvo pocas excepcionesI tales sistemas no han llegado a pasar del entorno de investigación a la aplicación clínicaI Clancey y Shortliffe fij sugieren que la evaluación completa de un sistema experto en medicina debería constar de las siguientes fases fias evaluaciones realh zadas se han limitado a la segunda de ellas demostrar la necesidad clínica del sistema 4Demostrar que el sistema función al nivel de expe to Demostrar que los médicos pueden usarlo Onten ces amigables y tiempos de respuesta razonables 4Demostrar que tiene impacto sobre la actividad del médico1 es decin que siguen sus consejos y que su comportamiento ha cambiadex Demostrar que su uso mejora la relación costetefh cacia de pruebas y terapiasI Las dos últimas fases están en estrecha relación con la problemática muy actual sobre los sistemas de saludí conflicto entre unas exigencias sociales crecientes de calidad1 de personalización y de atención a los niveles primarios de la asistencia sanitaria por una parteF y prc liferando de las ayudas instrumentales al diagnóstico con un considerable incremento de costes por otraI lde almente1 los sistemas basados en fénicas de intelige cia artificial deberían contribuir a la resolución del flictc evitando los costes de exploraciones innecesa rias1 INTELIGENCIA ARTIFICIAL EN MEDICINAi UN ENFOQUE CIBERNÉTICO Vamos a hacer uso aquí de los conceptos de Varie dad11 y de Regulación11 en el sentido cibernético definido por Ross Ashby f2J y aplicado por Stafford Beer Í3J para los sistemas de gestión y sistemas socialesI La ley de la variedad requerida11 exige que el regulador tenga una variedad al menos igual a la del sistema regulado yl en concrete que le permita dar significado a todos los datos proporcionados por el sistenr En nuestro case uel sistema11 es el paciente y uel regu dor11 el median El problema está en la gran cantidad de datos que potencialmente se pueden obtener de un pacienteI que desborda la capacidad Reguladora11 humara El sistema experto puede utilizarsel del mismo modo que sugiere Stafford Beer para las organizac nes1 como un reductor de variedadI transformando en información la masa de datc Lawrence WeedJ un médico muy conocido por sus aportaciones pioneras a la sistematización de la hisk ria clínical expresaba esta misma idea con otras pa brasi Ta medicina se practica para resolver problemas médicosl y ello implica disponer de los elementos nece sarios de información y de sus interrelaciones en el momento en que tenemos que tomar una decisión Una confrontación honesta con nuestros problemas nos dice inequívocamente que necesitamos nuevas herramientas para extender nuestras memorias y nues tras capacidades analíticas 0 Necesitamos estas ayudas mentales tanto o más que las que nos permiten extender oídos con estefc copiosF nuestros ojos con rayos X y nuestros dedos con escalpelos11 4 Ol como decía Stanton Glantzt un ca diólogol la ciencia médica ha sobrepasado la capacN dad humana para absorber todo el conocimiento que precisa la práctica de la medicinaI Son demasiadas pruebasl demasiadas drogas y demasiados detalles a recordar11 5 Pero la inteligencia artificial permite pensar en un nuevo nivel regulador del ordenador la regulación del conocimientxK En efectot no ya los datost sino también el volumen de conocimientos médicos existentes des borda la capacidad de la mente humana ícomo recono ce Glantz en la frase citada En los sistemas sanitarios actuales se hace lo que Ashby llamaba una Regulación por etapas asistencia primarial secundariaI etc Y aquí también puede intervenir el ordenador como regulador poniendo al alcance de los niveles primarios de la 63 Tecnologías para la Salud 00 Models of Healthcare Environment Computational Model Conceptual Schema Healthcare Environment 1MEDIX IEEE a 1157J medicina los conocimientos habitualmente aplicados en niveles superiores1 La puesta en práctica de estas ideas podría aliviar el conflicto al que más arriba hacíamos referenciai demanda social de una atención más eficaz y persona lizada frente a costes crecientes derivados1 fundame talmente1 de la introducción de técnicas de exploración complejas1 Los sistemas expertos contribuirían a la contención de costes al racionalizar el acceso a los niveles superiores y reducir el número de exploraciones innecesarias1 y ayudarían a la mejora de la calidad asistencial al potenciar las capacidades cognoscitivas de los profesionales de la saludI MEDIXi MARCO DE REFERENCIA PARA SISTEMAS DE INFORMACIÓN EN MEDICINA Hay muchos SIH fSistemas de Información lariaj instaladosl pero la carencia de estándares en el campo de la informática médica conduce a que todos ellos sean soluciones cerradas1 poco flexibles1 difíciles de interconectar y de adaptar Como en otros camposI los organismos internac nales de normalización han iniciado actividades para la definición de estándares que permitan el diseño de sis temas abiertos1 En Europa1 la EFMI ÍFederación Eu pea de Informática MédicaJ estableció en 1988 el grupo de trabajo WG III sobre estándaresen informática san taria1 y1 más recientemente1 el CEN fComité Europeo de Normalización ha anunciado la creación de un comité técnico CTC 251J sobre el mismo asuntoI Los trabajos más avanzados son los del IEEE1 que en 1987 constituyó el Comité P1157f más conocido como MMEDIXn fMedical Data Interchange Entre los objetivos de MEDIX estáni Definición de un conjunto estándar de transacc nes de interfaz que permitan el intercambio de datos entre sistemas de información sanitaria lEI standar deberá incluir comunicaciones entre los departamentos médicos y los servicios auxiliaresl y deberá considerar requisitos de comunicaciones inter e intrahospitalariasI 4Como parte del estándar se incluirán protocolos del nivel de apliación del modelo ISC Para la implementación se aconseja el diseño orie tado a objetosl el modelo transaccional de clienteerv dort y una arquitectura distribuida La adopción de un marco de referencia común en el 64 Medical Client7Agent7Server Model Medical Application ICIientJ Oporations f Communicaíion N IMEDIX IEEE i 11571 que se encuadren las aplicaciones de la informática y la telemática en sanidad iy en particular los sistemas de ayuda cognoscitivaj potenciará el que esas aplicacic nes contribuyan efectivamente a la mejora de la calidad asistenciaL GAMESi ARQUITECTURA GENÉRICA PARA SISTEMAS EXPERTOS EN MEDICINA GAMES CA General Architecture for Medical Expert Systems es un proyecto en realización encuadrado dentro del programa AIM íAdvanced Informatics in Medicinen Su cobertura europea es muy amplia1 con participación de grupos investigadores1 industriales y académicos de Grecia1 ltaliat Francia1 España1 Reino Unido y Finlandia La terminación de la primera fase está prevista para 1991 El principal objetivo de GAMES es la evaluación de las posibilidades de un sistema experto médico de uso generalt que cubra tanto diagnóstico como terapia1 seguimiento y gestión de la información de los pacie tes1 Para la implantación del prototipo y la realización de pruebas clínicas se han seleccionado dos campos médicos1 la anemia y el cáncer de mamaI Esta imp mentación se hará en equipos abiertosI bajo UNIXI y se integrará en un SIK La arquitectura del sistema experto es de metaniveh el conocimiento para el control de razonamiento es explícito y separado del conocimiento médicc En el razonamiento se combinan varias técnicasI A partir de unas evidencias preliminares un proceso de abducción conduce a un conjunto de hipótesis verosímilesI que son verificadas por un proceso de deducción Si falta información se solicita a la base de datos del paciente o al usuario1 y es posible generar nuevas hipótesis por inducción Un aspecto interesante del sistema es la comb ción que en él se hace de esos procesos abductivos1 deductivos e inductivost con otras técnicas como uso de modelos de simulación cualitativa1 razonamiento sobre casos1 razonamiento no monotónico y teoría de la utilidad1 SKIPMAOi HERRAMIENTA DE AYUDA AL SEGUIMIENTO E INDUCCIÓN DE CONOCIMIENTOS MÉDICOS La gran mayoría de sistemas expertos para medicina se han centrado fundamentalmente en las ayudas al diagnóstica Sin embargc es más bien en el proceso de toma de decisiones terapéuticas durante el curso del seguimiento de un paciente en el que más variedad Jen el sentido cibernéticoj hay que tratan debido a la ac mulación de datos y su repartición a lo largo del tiempoI Por otra parte1 en muchos campos1 y especialmente en el de la MedicinaI el conocimiento se va acumula dot obteniéndose nuevos conocimientos o perfeccic nándose los acumulados mediante el diseño y análisis de resultados de experimentos controladosI Típicameiv tet el investigador a la vista de la experiencial intuye la existencia de relaciones causales y diseña el experN mento para comprobaré Ahora bien1 la proliferación de la instrumentación biomédica ha conducido a la muL tiplicación de los datos que se van acumulando de cada paciente1 y uno tiende fácilmente a pensar que podrían diseñarse muchos experimentos para obtener nuevos conocimientos si no fuera por la limitación de la Intu ción11 del investigador Cabe entonces imaginar un sis tema de descubrimiento11 que analice el contenido de bases de datos y sugiera la posibilidad de relaciones causales ayudando así a la generación de nuevos conocimientos median Robert Blumt en la Universidad de Stanford1 ha aplicado esta idea en el campo de la reumatología1 trabajando sobre la base de datos de uARAMISn 6 El sistema SKIPMAO fSystem for Knoledge Indu tion and Protocol Management Aid in OncologyJ1 desa rrollo en colaboración entre el Departamento de lnge niería Telemática de la ETSI Telecomunicación de Madrid y el Servicio de Oncología de la Ciudad Sanit ria La Pazt trata de integrar las ideas de los dos pár fos anteriores en una especialidad médica caracteriza da por la complejidad de los protocolos terapéuticosl la dilatación en el tiempo de los tratamientos y1 en conse cuenciaI la gran variedad a tratar En una primera fase1 se ha desarrollado un prototipo para su evaluación clínica que incluye diversas hen mientas de ayuda al seguimiento tagendat edición y consulta de historias clínicasl generación de informesl etcj y de ayuda al proceso de toma de decisiones Adquisición y edición de conocimientosl formalización de protocolos1 presentación razonada de sugerencias1 etcj PY 65 Tecnologías para la Salud 00TECNOLOGÍADE MERCADO Esta fase ha servidc ademásI para elaborar una propuesta de arquitectura multinivel genérica para sis temas expertos en medicina Í8 en una línea similar a la de GAMES1 En la segunda faset y una vez acumu dos los suficientes casos clínicos para iniciar un proce so de aprendizaje automatice se pretende aplicar la idea de inducción de conocimienu BIBLIOGRAFÍA CO Clancey1 WJ1 y Shortliffe1 E K feds Readings in medical artificial intelligence the first decade Cap 2L Addison Wesle Reading1 MassM 1984I f2J AshbyJ Mñ An introduction to cybernetics1 Chapman and Hal Londres1 1956 ÍTraducción de Santosi Introducción a la cibernética Nueva VisiónI Buenos Aires1 1960JlI Platform for changet John Wileyl New Í4J Weed1 LL Failure to use new computers will lead to harmful thinkingI IEEE Engineering in Medicine and Biology Magazinet 1f 2 Qu 1982JJ pp 268I Í5J Glantzl S A1 Computers in clinical medicinei a cri tiqueI Computen 11 f 15 fma 1978J1 pp1 68 ffi BlumJ RL Discove confirmation1 and incorpo ration of causal relationships from a large timeriented clinical data baseí the RX project Computers and Bfa medicalResearcht 5 Í1982jf ppI 16487I Reproduci do en Clancey y Shortliffe11984JI W Viña1 AM FernándezI Q y Feliú1 J nA System for Knowledge Induction and Protocol Management Aid in Oncology11I Proceedings Second International Expert Systems Conferencet pp1 54V548I Londres119861 W ViñaI Ar uModelo de arquitectura para sistemas expertos en medicinad Tesis DoctoraL ETSI Telecom nicaciónf Universidad Politécnica de Madrid11987 Gregorio Fernández Fernández Jesús Calzadillaaguerre Doctor Ingeniero de Telecomunicación fUPM Ingénieur Automaticien fUniu ToulouseJI Catedrático del Departamento de Ingeniería de Sistemas Telemáticos de la ETSIT Ingeniero de Telecomunicación Experto de la Comisión para el AIM DGXIII tAdvanced Informatics in Medicine in Europe Director de los Programas Científicos para la CEE de UNISYS1 European Centre For Artificial lnteligenceNISYS1 Albacete 5t 28027 MADRID 66
30 oct 2015