Actualizado el 16/07/2019

icon Facebook icon Twiiter icon RSS icon EMAIL
  1. Portada
  2. >
  3. Noticias
  4. >
  5. Sistemas de machine learning en los sistemas hospitalarios

Sistemas de machine learning en los sistemas hospitalarios

Escrito por Agencias Externas el 09/04/2019 a las 15:50:23
646

ASHO, la entidad líder en codificación clínica en España ha desarrollado un Sistema de Ayuda a la Codificación (SAC) basado en machine learning (IA) que mejora sustancialmente la gestión clínica y que ya está implantado en más de 15 reconocidos hospitales de alrededor de España. En la actualidad, resulta una herramienta imprescindible para hacer frente al nuevo modelo CIE10 y afrontar la sobrecarga informativa de pacientes.


La sobrecarga informativa en el universo sanitario


Según un estudio del Observatorio Europeo de la Salud, los españoles visitamos al médico un 40% de veces más que nuestros vecinos de la UE. Además, nuestro país también es uno de los pocos que no tiene ningún tipo de copago en la sanidad pública.


Asimismo, según el último estudio de proyecciones de población de España del INE, la esperanza de vida crece pero el número de defunciones continúa creciendo como consecuencia del envejecimiento poblacional. Los cálculos apuntan que para el 2033, las personas mayores de 65 años, un sector de la población que inevitablemente necesita más atención sanitaria, supondrán el 25,2% del total de la población.


En este escenario, el número de altas médicas que la sanidad española registra es cada vez mayor, tanto en entidades de origen público como privado. Este acelerado crecimiento del Big Data en el universo clínico, se traduce en un considerable aumento de las cargas de trabajo para el profesional médico, especialmente en los departamentos de documentación clínica, y sobre todo en áreas de codificación hospitalaria y ambulatoria.


Los retos de la codificación clínica actual


La codificación sanitaria convierte el lenguaje clínico en un sistema alfanumérico que se utiliza para definir las diferentes categorías y procedimientos médicos. La asignación de un código a cada enfermedad, diagnóstico y procedimiento mediante la CIE (Clasificación Internacional de Enfermedades) permite la valoración del episodio asistencial de cada paciente y, en consecuencia, se gestiona toda la casuística de un hospital, tanto a nivel clínico como a nivel económico.

 
Debido al reto de adaptación que ha supuesto el cambio de clasificación internacional de enfermedades a su décima versión (CIE-10-ES) –vigente en Cataluña desde 2018 y en el resto de España desde 2016-, que conlleva un salto de 17 mil a 140 mil códigos de referencia en cuanto a procedimientos y enfermedades, el profesional médico se va abocado a una sobrecarga informativa inevitable, y crece la necesidad de desarrollar nuevas técnicas para agilizar el proceso de gestión, análisis y codificación de estos miles de datos.


Machine Learning para agilizar la codificación automática


En este contexto, ASHO ha desarrollado su software ASHOCOODE, un SAC basado en el machine learning (IA) que abre el abanico de posibilidades para usar mejor la ingente información que se está generando entorno a la salud y aprovechar la información que nos dan los datos como un beneficio.


Los datos son muy útiles para aumentar la eficiencia, optimizar los resultados y fortificar la calidad asistencial para el paciente. Además, estos no solo son necesarios para impulsar los sistemas de IA y ML sino también para alimentar los modelos de aprendizaje a partir de los cuales se crean estos sistemas.  Por ello, el buen uso que se haga de ellos, tanto para mejorar el tratamiento al paciente como para optimizar la gestión interna del centro, es determinante.


En este contexto, ASHO ha desarrollado dos software o sistemas  de ayuda a la codificación (SAC) basados en machine learning: ASHOCOODE y ASHOINDEX. El primero es un servicio dirigido a los profesionales  asistenciales y al personal médico de urgencias, consultas externas, hospital de día y listas de espera. Este software permite codificar grandes volúmenes de procesos y utiliza  un sistema propio de procesamiento del lenguaje natural (PLN).


El proceso de implantación es simple. El software se implanta en procesos ambulatorios que generan gran cantidad de información clínica como es el área urgencias, consultas externas, hospital de día o listas de espera. Así, permite codificar procesos ambulatorios de forma online con lenguaje natural, asignando un código de manera automática a cada enfermedad diagnosticada por el profesional asistencial.  El sistema está basado en una base de entrenamiento que recopila años de conocimiento de médicos documentalistas profesionales que han estado en contacto con multitud de casos reales. En ella, se recogen más 1M de términos clínicos y permite analizar el significado de las descripciones de entrada realizando búsquedas basadas en los conceptos médicos relacionados sin necesidad de formación previa por parte del profesional.


Por otra parte, ASHOINDEX es un software de ayuda a la codificación hospitalaria pensada desde el punto de vista del médico documentalista. Esta herramienta se implementa tanto en hospitalización como en cirugía mayor y menor ambulatoria y hospitales de día, y está pensada para maximizar la eficiencia a la hora de codificar, permitiendo a los profesionales la fácil codificación de informes clínicos. En la actualidad, resulta una herramienta imprescindible para hacer frente al nuevo modelo CIE10.


Ambos software ha tenido una amplia penetración en el mercado sanitario y son utilizados diariamente por multitud de hospitales españoles entre los que destacan el Hospital del Mar, el Hospital Sant Pau de Barcelona o recientemente la mutua afiliada a la SS, Fraternidad Mupresa. 


Gracias a estos sistemas de automatización e IA desarrollados por ASHO los hospitales codifican un mayor número de altas con mayor velocidad y alto índice de confianza. Supone una medida para descargar al profesional clínico, facilitar el proceso rutinario de codificación y al mismo tiempo mantener un buen nivel de codificación.