Seguridad del paciente
Las estrategias para reducir los errores de medicación suelen hacer uso de los CDSS (Tabla 1). Los errores relacionados con las interacciones entre medicamentos (DDI) se citan como comunes y prevenibles, ya que hasta el 65% de los pacientes hospitalizados están expuestos a una o más combinaciones potencialmente dañinas.17 Los sistemas CPOE están ahora diseñados con software de seguridad de medicamentos que tiene salvaguardias para la dosificación, la duplicación de terapias y la comprobación de DDI.18 Los tipos de alertas generados por estos sistemas se encuentran entre el tipo de apoyo a la decisión más difundido.19 Sin embargo, los estudios han encontrado un alto nivel de variabilidad entre la forma en que se muestran las alertas de las DDI (por ejemplo, pasivas o activas/disruptivas), que se priorizan,20,21 y en los algoritmos utilizados para identificar las DDI.18,22 Los sistemas a menudo tienen diversos grados de alertas irrelevantes presentadas, y no hay un estándar sobre la mejor manera de implementar qué alertas a los proveedores. La Oficina del Coordinador Nacional para la Tecnología de la Información de la Salud de los Estados Unidos ha desarrollado una lista de DDIs de «alta prioridad» para los CDS, que ha alcanzado varios niveles de aprobación y despliegue en los CDSS de otros países, incluyendo el Reino Unido, Bélgica y Corea.20,21,23
Otros sistemas orientados a la seguridad del paciente son los sistemas de dispensación electrónica de medicamentos (EDDS) y los sistemas de administración de medicamentos en el punto de atención con código de barras (BPOC).24 A menudo se implementan juntos para crear un «circuito cerrado», en el que cada paso del proceso (prescripción, transcripción, dispensación, administración) está informatizado y se produce dentro de un sistema conectado. En el momento de la administración, la medicación se identifica automáticamente mediante identificación por radiofrecuencia (RFID) o códigos de barras y se coteja con la información del paciente y las recetas. Esto supone otro objetivo para los CDSS y el beneficio potencial es la prevención de los errores de administración de la medicación que se producen en la «cabecera» (a diferencia de lo que ocurre más arriba). La adopción es relativamente baja, en parte debido a los elevados requisitos tecnológicos y a los costes.25 Sin embargo, los estudios muestran una buena eficacia de estos sistemas en la reducción de errores.26 Mohoney et al. mostraron que muchos de estos sistemas pueden combinarse con CPOE y CDSS simultáneamente, con una reducción de las tasas de error de prescripción para la detección de alergias a medicamentos, la dosificación excesiva y los pedidos incompletos o poco claros.24 Al igual que con la mayoría de los CDSS, todavía se pueden cometer errores si los proveedores omiten o evitan deliberadamente la tecnología.27
Los CDSS también mejoran la seguridad del paciente a través de sistemas de recordatorio para otros eventos médicos, y no sólo los que están relacionados con la medicación. Entre los numerosos ejemplos, un CDSS para la medición de la glucosa en sangre en la UCI fue capaz de disminuir el número de eventos de hipoglucemia.28 Este CDSS indicaba automáticamente a las enfermeras que debían realizar una medición de la glucosa de acuerdo con un protocolo local de monitorización de la glucosa, que especificaba la frecuencia con la que debían realizarse las mediciones según los datos demográficos específicos del paciente y los niveles/tendencias de glucosa anteriores.28
En general, los CDSS dirigidos a la seguridad del paciente a través de CPOE y otros sistemas han tenido éxito en la reducción de errores de prescripción y dosificación, contraindicaciones a través de advertencias automatizadas, monitoreo de eventos de medicamentos y más.29 La seguridad del paciente puede considerarse un objetivo secundario (o un requisito) de casi todos los tipos de CDSS, independientemente del propósito principal de su implantación.
Gestión clínica
Los estudios han demostrado que los CDSS pueden aumentar la adherencia a las guías clínicas.30 Esto es significativo porque se ha demostrado que las guías clínicas tradicionales y las vías de atención son difíciles de implementar en la práctica con una baja adherencia de los médicos.31,32 La suposición de que los profesionales leerán, internalizarán e implementarán nuevas guías no se ha cumplido.33 Sin embargo, las reglas implícitamente codificadas en las guías pueden ser literalmente codificadas en los CDSS. Estos CDSS pueden adoptar diversas formas, desde conjuntos de órdenes estandarizadas para un caso concreto, alertas a un protocolo específico para los pacientes a los que se refiere, recordatorios de pruebas, etc. Además, los CDSS pueden ayudar a gestionar a los pacientes en los protocolos de investigación/tratamiento34 , a rastrear y realizar pedidos, a hacer un seguimiento de las derivaciones, así como a garantizar la atención preventiva.35
Los CDSS también pueden alertar a los médicos para que se pongan en contacto con los pacientes que no han seguido los planes de gestión, o que deben hacer un seguimiento, y ayudar a identificar a los pacientes elegibles para la investigación sobre la base de criterios específicos.36 Un CDSS diseñado e implementado en la Clínica Cleveland proporciona una alerta en el punto de atención a los médicos cuando el registro de un paciente coincide con los criterios del ensayo clínico.37 La alerta pide al usuario que rellene un formulario que establece la elegibilidad y el consentimiento para el contacto, envía el historial del paciente al coordinador del estudio e imprime una hoja de información del paciente del ensayo clínico.
Contención de costes
Los CDSS pueden ser rentables para los sistemas sanitarios, a través de intervenciones clínicas,38 disminuyendo la duración de la estancia de los pacientes, sistemas integrados en CPOE que sugieren alternativas de medicación más baratas,39 o reduciendo la duplicación de pruebas. En una unidad de cuidados intensivos (UCI) pediátrica se implementó una regla CPOE que limitaba la programación de los paneles de recuento sanguíneo, química y coagulación a un intervalo de 24 horas.40 Esto redujo la utilización de recursos de laboratorio con un ahorro de costes previsto de 717.538 dólares al año, sin aumentar la duración de la estancia (LOS), o la mortalidad.
Los CPOE pueden notificar al usuario alternativas más baratas a los medicamentos, o condiciones que las compañías de seguros cubrirán. En Alemania, muchos pacientes ingresados son sustituidos por fármacos que figuran en los formularios de medicamentos de los hospitales. Tras comprobar que 1 de cada 5 sustituciones era incorrecta, el hospital de Heidelberg desarrolló un algoritmo de cambio de medicamentos y lo integró en su sistema CPOE existente.41 El CDSS pudo cambiar el 91,6% de 202 consultas de medicación de forma automática, sin errores, aumentando la seguridad, reduciendo la carga de trabajo y reduciendo el coste para los proveedores.
Funciones administrativas
Los CDSS proporcionan apoyo para la codificación clínica y de diagnóstico, la ordenación de procedimientos y pruebas, y el triaje de pacientes. Los algoritmos diseñados pueden sugerir una lista refinada de códigos de diagnóstico para ayudar a los médicos a seleccionar el o los más adecuados. Se concibió un CDSS para abordar la inexactitud de la codificación de los ingresos en el servicio de urgencias CIE-9 (CIE es la Clasificación Estadística Internacional de Enfermedades, códigos estandarizados utilizados para representar enfermedades y diagnósticos).42 La herramienta utilizaba una interfaz anatomográfica (representación visual e interactiva del cuerpo humano) vinculada a los códigos CIE para ayudar a los médicos del servicio de urgencias a encontrar con precisión los códigos de diagnóstico de los ingresos con mayor rapidez.
El CDSS puede mejorar directamente la calidad de la documentación clínica. Un CDSS de obstetricia presentaba un sistema de avisos mejorado, que mejoraba significativamente la documentación de las indicaciones para la inducción del parto y el peso fetal estimado, en comparación con el hospital de control.43 La precisión de la documentación es importante porque puede ayudar directamente a los protocolos clínicos. Por ejemplo, se implementó un CDSS para garantizar que los pacientes fueran vacunados adecuadamente tras la esplenectomía, para combatir el mayor riesgo de infecciones (incluyendo neumococo, Haemophilus influenzae, meningococo, etc.) que conlleva la extracción del bazo. Sin embargo, los autores descubrieron que el 71% de los pacientes con el término «esplenectomía» en su HCE no lo tenían documentado en su lista de problemas (que era lo que desencadenaba la alerta del CDSS).44 Se desarrolló entonces un CDSS suplementario para mejorar la documentación de la lista de problemas de la esplenectomía,45 y mejorar la utilidad del CDSS de vacunación original.
Apoyo al diagnóstico
Los CDSS para el diagnóstico clínico se conocen como sistemas de apoyo a la decisión diagnóstica (DDSS). Estos sistemas han proporcionado tradicionalmente una «consulta» informatizada o un paso de filtrado, por el que se les pueden proporcionar datos/selecciones de usuario, y luego arrojan una lista de diagnósticos posibles o probables.46 Desgraciadamente, los DDSS no han tenido tanta influencia como otros tipos de CDSS (todavía) por razones que incluyen percepciones y sesgos negativos de los médicos, una escasa precisión (a menudo debido a las lagunas en la disponibilidad de datos), y una mala integración del sistema que requiere la introducción manual de datos.47,48 Esto último está mejorando con una mejor integración de la HCE y un vocabulario estandarizado como los Términos Clínicos de Snomed.
Un buen ejemplo de un DDSS eficaz es el creado por Kunhimangalam et al.49 para el diagnóstico de la neuropatía periférica utilizando la lógica difusa. A través de 24 campos de entrada que incluyen síntomas y resultados de pruebas diagnósticas, lograron un 93% de precisión en comparación con los expertos a la hora de identificar neuropatías motoras, sensoriales, mixtas o casos normales. Aunque esto tiene una gran utilidad, especialmente en países con menos acceso a expertos clínicos establecidos, también existe el deseo de contar con sistemas que puedan complementar los diagnósticos de los especialistas. DXplain es un sistema electrónico de diagnóstico de referencia que proporciona un diagnóstico probable basado en las manifestaciones clínicas.50 En un ensayo de control aleatorio en el que participaron 87 residentes de medicina familiar, los que fueron asignados al azar para utilizar el sistema mostraron una precisión significativamente mayor (84% frente al 74%) en una prueba de diagnóstico validada que incluía 30 casos clínicos.50
Dada la incidencia conocida de los errores de diagnóstico, especialmente en la atención primaria,51 hay muchas esperanzas de que los CDSS y las soluciones informáticas aporten mejoras en el diagnóstico.52 Ahora estamos viendo cómo se desarrollan sistemas de diagnóstico con técnicas no basadas en el conocimiento, como el aprendizaje automático, que pueden allanar el camino hacia un diagnóstico más preciso. El Sistema de Diagnóstico y Triaje de Babylon en el Reino Unido es un buen ejemplo del potencial, pero también del trabajo que aún queda por hacer antes de que estos sistemas estén listos para su uso.53,54
Apoyo al diagnóstico: imagen
Los CDSS de imagen basados en el conocimiento se utilizan normalmente para la solicitud de imágenes, donde los CDSS pueden ayudar a los radiólogos a seleccionar la prueba más adecuada, proporcionando recordatorios de las directrices de las mejores prácticas o alertando de las contraindicaciones del contraste, por ejemplo.55 Un CDS intervencionista para la solicitud de imágenes en el Centro Médico Virginia Mason demostró que disminuía sustancialmente la tasa de utilización de la RM lumbar para el dolor de espalda, la RM craneal para el dolor de cabeza y la TC de senos para la sinusitis.56 El CDS requería que los proveedores respondieran a una serie de preguntas antes de solicitar la imagen (POC), para verificar la idoneidad. Es importante destacar que, si se denegaba una imagen, el sistema sugería una alternativa. Otro ejemplo comercializado es RadWise®, que guía a los médicos hacia el pedido de imágenes más relevante analizando los síntomas del paciente y comparándolos con una gran base de datos de diagnósticos, al tiempo que ofrece recomendaciones de uso apropiado en el punto de atención.57
Hay un gran interés en los CDS no basados en el conocimiento para mejorar la imagen y la radiología de precisión (‘radiómica’).58,59 Dado que las imágenes representan cantidades cada vez mayores de datos médicos, pero requieren una interpretación manual extensa, los proveedores necesitan tecnologías que les ayuden a extraer, visualizar e interpretar.60 Las tecnologías de IA están demostrando ser capaces de proporcionar información sobre los datos más allá de lo que pueden hacer los seres humanos.61 Para ello, estas tecnologías hacen uso de algoritmos avanzados de reconocimiento de píxeles y clasificación de imágenes, entre los que destaca el aprendizaje profundo (DL).62 IBM Watson Health, DeepMind, Google y otras empresas están a la vanguardia, desarrollando productos para su uso en la detección de tumores,63 la interpretación de imágenes médicas,64 el diagnóstico de la retinopatía diabética,65 el diagnóstico de Alzheimer a través del aprendizaje de características multimodales,62 e innumerables más. Los «ojos de Watson», de IBM, han sido capaces de combinar el reconocimiento de imágenes de un escáner cerebral con el reconocimiento de texto de las descripciones de un caso para proporcionar un apoyo integral a la toma de decisiones (o lo que IBM describe como un «asistente cognitivo»).60
Varios proyectos han sido capaces de demostrar un rendimiento que está discutiblemente «a la par» de los expertos humanos.65,66,67,68 Por ejemplo, el equipo de Google entrenó una red neuronal convolucional profunda (CNN) para detectar la retinopatía diabética (daños en los vasos sanguíneos del ojo) a partir de un conjunto de datos de 130.000 imágenes de la retina con una sensibilidad y especificidad muy elevadas.65 El rendimiento de los algoritmos estuvo a la altura de los oftalmólogos certificados de Estados Unidos. Otro estudio publicado recientemente por el grupo de Stanford demostró que una CNN para detectar arritmias en el electrocardiograma superaba la precisión (F1 y sensibilidad con especificidad igualada) del cardiólogo medio en todas las clases de ritmo.68 Con el ritmo actual de progreso, algunos expertos especulan de forma controvertida que en 15-20 años, la mayor parte de la interpretación de las imágenes de diagnóstico será realizada (o al menos preprocesada) por ordenadores.69 Sin embargo, por el momento, debemos pensar en estos primeros sistemas como una adición o un aumento del conjunto de herramientas disponibles del clínico.
Apoyo al diagnóstico: laboratorio y patología
Otro subconjunto de diagnósticos en el que los CDSS pueden ser útiles es el de las pruebas de laboratorio y su interpretación. Las alertas y los recordatorios de resultados anormales de laboratorio son sencillos y omnipresentes en los sistemas de HCE. Los CDSS también pueden ampliar la utilidad de las pruebas de laboratorio con el fin de evitar diagnósticos más arriesgados o invasivos. En las pruebas de la hepatitis B y C, las biopsias hepáticas se consideran el estándar de oro para el diagnóstico, mientras que las pruebas de laboratorio no invasivas no son lo suficientemente precisas para ser aceptadas. Sin embargo, se están desarrollando modelos de IA que combinan múltiples pruebas (marcadores séricos, imágenes y pruebas genéticas) para producir una precisión mucho mayor.70 También hay aplicaciones para los CDSS como herramienta de interpretación cuando los rangos de referencia de una prueba son muy personalizados, por ejemplo, la edad, el sexo o los subtipos de enfermedad.71
Los informes de patología son cruciales como puntos de decisión para muchas otras especialidades médicas. Algunos CDSS pueden utilizarse para la clasificación automatizada de tumores. Esto se hizo para la clasificación de tumores de la vejiga urinaria y la estimación de la recurrencia, con una precisión de hasta el 93%.72 Lo mismo se ha hecho para la clasificación y el grado de los tumores cerebrales.73 Hay muchos otros ejemplos, incluyendo el análisis computarizado de ECG, la interpretación automatizada de los gases de la sangre arterial, los informes de electroforesis de proteínas y los CDSS para el recuento de células sanguíneas.46
Apoyo a la toma de decisiones de cara al paciente
Con la llegada de la «historia clínica personal» (PHR), estamos viendo que la funcionalidad de los CDS se integra, de forma similar a las HCE, con el paciente como usuario final o «gestor» de los datos. Este es un gran paso hacia la atención centrada en el paciente, y los RPS apoyados por los CDS son la herramienta ideal para implementar la toma de decisiones compartida entre el paciente y el proveedor, específicamente porque los CDS pueden eliminar la «falta de información» como una barrera para la participación del paciente en su propio cuidado.74 Los RPS están diseñados frecuentemente como una extensión del software comercial de HCE, o como aplicaciones independientes basadas en la web o en el móvil.75 Cuando se conectan a la HCE, los RPS pueden tener una relación bidireccional, por la que la información introducida directamente por el paciente puede estar disponible para sus proveedores, y también la información de la HCE puede transmitirse al RPS para que los pacientes la vean.76
Uno de los primeros RPS, el «Patient Gateway», era simplemente un panel de control para que los pacientes vieran los medicamentos y los análisis, y se comunicaran con sus médicos.77 Esto se ha ampliado y algunos sistemas permiten ahora que los pacientes modifiquen su propio registro de atención, afectando también a los datos de la HCE.78 Otro ejemplo es MyHealthAtVanderbilt de la Universidad de Vanderbilt, una HCE totalmente integrada en la HCE institucional. Además de la entrega de materiales educativos dirigidos a la enfermedad, incorporaron una Herramienta de la Gripe para que los pacientes con síntomas parecidos a los de la gripe decidan el nivel de atención que necesitan y les ayuden a buscar tratamiento.79 El seguimiento de los síntomas es una característica útil y común de los RSP, pero la variedad de datos recogidos es prácticamente ilimitada, desde las alergias hasta la cobertura del seguro y la información sobre prescripción y medicación.80 Además, los RSP y otras aplicaciones de seguimiento de pacientes pueden diseñarse para recoger información de los dispositivos de salud y otros wearables, con el fin de crear información procesable para los proveedores. Un ejemplo excelente es el de la atención a la diabetes. Ya se utilizan muchos sistemas81 , pero uno en particular, promovido por la Escuela de Medicina de Stanford, utiliza un monitor de glucosa portátil que transmite datos a un dispositivo de Apple (HealthKit)82. Apple ha hecho que HealthKit sea interoperable con la HCE de Epic y el RSP de Epic, «MyChart». Esto permite con éxito a los proveedores controlar las tendencias de la glucosa en sus pacientes entre las visitas, y ponerse en contacto con ellos a través de MyChart para el seguimiento o las recomendaciones urgentes. El estudio piloto demostró la mejora del flujo de trabajo de los proveedores, la comunicación con los pacientes y, en última instancia, la calidad de la atención.82 Otros campos de la medicina están desplegando sistemas similares para la monitorización que combinan PHR/EHR, tecnologías vestibles y CDSS, incluyendo, entre otros, la insuficiencia cardíaca (cardiología), la hipertensión, la apnea del sueño, los cuidados paliativos/de la tercera edad, y más.
Cabe destacar que, a medida que los PHR se han vuelto más avanzados con las capacidades de CDSS, también ha habido un creciente énfasis en el diseño de estos sistemas para servir a la toma de decisiones compartida entre el paciente y el proveedor, y para ser herramientas interactivas para hacer que los pacientes estén más informados/implicados en su propio cuidado. Actualmente se considera que los RPS que sólo sirven como depósito de información sanitaria no dan la talla, sobre todo por parte de los propios pacientes75.