Un nuevo estudio realizado por investigadores de la Escuela de Medicina Icahn en Mount Sinai sugiere que la inteligencia artificial (IA) podría ayudar a predecir qué pacientes críticamente enfermos que se encuentran con ventilación mecánica corren el riesgo de recibir una nutrición insuficiente. Esto podría permitir a los médicos ajustar la alimentación de manera temprana y mejorar la atención al paciente. Los detalles del estudio fueron publicados el 17 de diciembre en la revista Nature Communications.
Según los investigadores, la primera semana con ventilación mecánica es especialmente importante para proporcionar una nutrición adecuada, ya que las necesidades de los pacientes a menudo cambian rápidamente durante este período. “Demasiados pacientes con ventilación mecánica en la unidad de cuidados intensivos (UCI) no reciben la nutrición que necesitan durante la primera semana crucial”, afirma el co-autor principal Ankit Sakhuja, MD, MS, profesor asociado de Inteligencia Artificial y Salud Humana, y Medicina (Medicina basada en datos y digital). “Sus necesidades están cambiando rápidamente y es fácil que se queden atrás. Queríamos explorar una forma sencilla y oportuna de identificar a quienes corren mayor riesgo de recibir una nutrición insuficiente para que los médicos puedan intervenir antes, ajustar la atención y asegurarse de que cada paciente reciba el apoyo adecuado cuando más lo necesita”.
El equipo de investigación desarrolló una herramienta de IA, llamada NutriSightT, que analiza datos rutinarios de la UCI, como signos vitales, resultados de laboratorio, medicamentos e información sobre la alimentación, para predecir, con horas de anticipación, qué pacientes podrían estar recibiendo una nutrición insuficiente entre los días 3 y 7 de ventilación mecánica. Utilizando grandes conjuntos de datos desidentificados de la UCI de Europa y Estados Unidos, el modelo fue entrenado y validado para actualizar las predicciones cada cuatro horas a medida que cambian las condiciones del paciente.
El estudio identificó varias ideas clave que podrían ayudar a guiar la atención al paciente:
- La nutrición insuficiente es común al inicio de la atención en la UCI. Alrededor del 41 por ciento al 53 por ciento de los pacientes recibieron una nutrición insuficiente al tercer día, y entre el 25 y el 35 por ciento continuaron recibiendo una nutrición insuficiente al séptimo día.
- El modelo es dinámico e interpretable, mostrando qué factores rutinarios, como la presión arterial, los niveles de sodio o la sedación, influyen en el riesgo de nutrición insuficiente.
- La investigación podría respaldar planes de alimentación personalizados, guiar a los equipos de nutrición e informar ensayos clínicos para determinar las estrategias nutricionales más eficaces para cada paciente.
Los investigadores enfatizan que NutriSightT no está diseñado para reemplazar a los médicos, sino que podría servir como un sistema de alerta temprana para ayudar a guiar las intervenciones nutricionales oportunas.
Los próximos pasos del equipo de investigación incluyen ensayos prospectivos en múltiples centros para probar si actuar sobre estas predicciones mejora los resultados de los pacientes, una integración cuidadosa en los registros electrónicos de salud y una expansión a objetivos de nutrición individualizados más amplios.
“La importancia de los hallazgos de nuestro estudio es que, por primera vez, podría ser posible identificar a los pacientes que corren el riesgo de recibir una nutrición insuficiente al inicio de su estancia en la UCI y adaptar la atención a sus necesidades individuales”, afirma el co-autor principal Girish N. Nadkarni, MD, MPH, presidente del Departamento de Inteligencia Artificial y Salud Humana Windreich, director del Instituto Hasso Plattner para la Salud Digital y profesor Irene y Dr. Arthur M. Fishberg de Medicina en la Escuela de Medicina Icahn en Mount Sinai, y Director de IA de Mount Sinai Health System. “Esto representa un importante paso hacia proporcionar a los médicos una mejor información para tomar decisiones sobre la nutrición. En última instancia, el objetivo es proporcionar la cantidad correcta de nutrición al paciente adecuado en el momento adecuado, lo que podría ayudar a mejorar la recuperación y los resultados en pacientes críticamente enfermos y sentar las bases para estrategias de atención más personalizadas”.
El artículo se titula “NutriSighT: Modelo Transformer interpretable para la predicción dinámica de la nutrición enteral insuficiente en pacientes con ventilación mecánica”.
Los autores del estudio, según figura en la revista, son Mateen Jangda, Jayshil Patel, Akhil Vaid, Jaskirat Gill, Paul McCarthy, Jacob Desman, Rohit Gupta, Dhruv Patel, Nidhi Kavi, Shruti Bakare, Eyal Klang, Robert Freeman, Anthony Manasia, John Oropello, Lili Chan, Mayte Suarez-Farinas, Alexander W. Charney, Roopa Kohli-Seth, Girish N. Nadkarni y Ankit Sakhuja.
Este estudio fue apoyado por la subvención K08DK131286.e de los Institutos Nacionales de la Salud (NIH).
Fuente:
Referencia del diario:
