San Juan de Dios desarrolla una app para monitorizar al paciente con fractura de cadera tras el alta

En colaboración con un equipo de investigadores de ICAI-Universidad Pontificia de Comillas, los traumatólogos Andrés Saldaña y Luis Gervás, así como la especialista en Geriatría Encarna Martín, está implicados en un proyecto de base tecnológica que recogerá la experiencia del paciente y del familiar más allá de los parámetros puramente clínicos.

En España la incidencia de la fractura de cadera se sitúa en siete casos por cada 1.000 habitantes mayores de 65 años, lo que la convierte en la segunda patología quirúrgica que más recursos consume. Esta investigación no solo busca mejorar la asistencia recibida a lo largo del proceso, con el objetivo de recuperar la calidad de vida y minimizar las complicaciones, sino que da un paso adelante pasando de medir resultados basados en estancias medias, infecciones de heridas y tasas de éxito a medir resultados de impacto en la vida de las personas.

«El seguimiento que se hace actualmente, en base a las pautas marcadas por el Registro Nacional de Fractura de Cadera, es de un mes. Sin embargo, la evidencia científica establece marcadores de riesgo y pronóstico a las 6 semanas y los 4 meses claves para la evolución y la supervivencia de estos pacientes al año de vida», explica Elena García, que este miércoles ha visitado el Hospital San Juan de Dios de León en compañía de los profesores Pedro Chana y José Ríos Díaz, investigadores del Centro de Ciencias de la Salud San Rafael-Nebrija.

Pedro Chana, experto en proceso diagnóstico, razonamiento clínico y analítica predictiva, lidera como investigador principal junto al traumatólogo Andrés Saldaña el novedoso estudio. En su visita ha subrayado la importancia de la medición de la fuerza de agarre a través de un dinamómetro de mano: «Es uno de los predictores más emergentes para detectar resultados funcionales deficientes y un aumento del riesgo de mortalidad en pacientes con fractura de cadera».

José Ríos, experto en análisis de biomarcadores de sarcopenia a través de imagen ecográfica, ha mostrado a los traumatólogos Andrés Saldaña y Luis Gervás las ventajas de la ecografía musculoesquelética a la hora de detectar la sarcopenia o pérdida de masa muscular.

Y es que esta nueva herramienta digital monitorizará una serie de variables objetivas en el tiempo –también relacionadas con la fragilidad- con el propósito de reducir las tasas de reingresos, complicaciones quirúrgicas y mortalidad asociados a la cirugía. «La app recogerá datos al mes y a las seis semanas, así como a los cuatro, a los seis y a los doce meses, y permitirá enviarle al paciente un programa de ejercicios de rehabilitación a seguir desde su casa, elaborado por un fisioterapeuta experto en ejercicio terapéutico», señala Elena García. También, si alguno de los valores recogidos se encontrara fuera del rango de seguridad establecido por los expertos, la app generará una alerta que avisará directamente al traumatólogo, permitiendo intervenir a tiempo reduciendo así las complicaciones en la evolución de la cirugía.

«Es un proyecto muy interesante, especialmente en una época en la que las visitas hospitalarias están muy restringidas a consecuencia de la pandemia de Covid-19», señala el doctor Saldaña en una apuesta por «abrir nuevos canales de comunicación con pacientes y familiares». Porque el sistema de cuidados debe adaptarse a las necesidades reales de las personas mayores. Y, en este contexto, la telemedicina puede ayudar a reducir –junto a la atención domiciliaria- su institucionalización tras eventos agudos, según pone de relieve la Sociedad Española de Geriatría y Gerontología (SEGG).

Arrancamos con el proyecto hace un año, «Desde un enfoque de diseño centrado en el usuario, hicimos un análisis del proceso aplicando la metodología propia del 'design thinking' además de 'lean' para identificar el viaje del paciente con fractura de cadera por el hospital, o «journey map' . Esto nos permitió conocer las necesidades de todos los actores, así como los cuellos de botella que, atendiéndose, nos brindarían oportunidades de mejora», indica la investigadora sobre un punto de partida recogido en una publicación de impacto, en 'International Journal of Environmental Research and Public Health (IJERPH)'. «Ahora contar con todos estos datos además de los recogidos por la app en formato digital, nos permitirá aplicar técnicas de inteligencia artificial para establecer algoritmos predictivos e identificar pacientes en riesgo», celebra Elena.

Pero, además, la Fundación San Juan de Dios y el Servicio de Geriatría del Hospital San Juan de Dios de León están desarrollando en colaboración con el departamento de I+D de Sopra Steria otra investigación que tiene como objetivo predecir casos de amiloidosis cardíaca (AC) senil o síndrome del corazón rígido a través de la inteligencia artificial.

Esta enfermedad rara de mal pronóstico, que se produce por el depósito progresivo de fibras insolubles de amiloide en el corazó́n dando lugar a una cardiomiopatía obstructiva degenerativa, está infradiagnosticada al cursar con manifestaciones clínicas heterogéneas y síntomas inespecíficos que pueden llevar a confusión.

«Los estudios indican una prevalencia del dos por ciento en la población, pero se estima que otro diez por ciento tiene AC y, sin embargo, está siendo tratado de una insuficiencia o un fallo cardiaco por otro motivo», pone de relieve Elena García, que ha llevado este proyecto al 41 Congreso Virtual de la Sociedad Española de Medicina Interna, a la I Jornada del Grupo Chronicpharma de la Universidad de Sevilla, en representación de la Sociedad de Geriatría y Gerontología, al Congreso de Salud Digital de Donostia 2020 y al XXIV Encuentro Internacional de Investigación en Cuidados (Investen-isciii) celebrado el pasado mes de noviembre.

El desarrollo de modelos predictivos mediante 'big data' permite detectar los casos infradiagnosticados, adecuar el tratamiento y por tanto mejorar el impacto tanto para el paciente como para el sistema. «Su identificación se realiza mediante la creación y validación de un algoritmo, que combina datos estructurados y no estructurados procedentes de los registros médicos informatizados de pacientes hospitalizados mayores de 65 años, garantizada la confidencialidad de los mismos según la normativa vigente en protección de datos», según precisa.

En la identificación de términos y variables que permitieran definir e identificar esos casos no diagnosticados, se utilizó un enfoque que incluye no solo la inclusión de términos procedentes en la bibliografía (forma habitual de proceder en inteligencia artificial), sino que se llevó a cabo un grupo de expertos liderado por la Dra. Encarna Martín, con objeto de seleccionar parámetros estructurados en la historia clínica así como expresiones comúnmente utilizadas en los evolutivos médicos y de enfermería que pudieran estar identificando pacientes con AC, y que a través del procesamiento de lenguaje natural pudieran alimentar de forma exitosa el algoritmo.

La primera fase del estudio, que cuenta con el apoyo económico de la compañía farmacéutica Pfizer y una financiación de 140.000 euros, ya se ha completado y sus resultados también han sido publicados en 'International Journal of Environmental Research and Public Health (IJERPH)'. En los próximos meses se pondrá en marcha la segunda fase del estudio, que permitirá validar el algoritmo, verificando si es capaz de identificar correctamente a pacientes con AC.

Finalmente, una tercera línea de investigación del grupo IdiHealth, liderada por las doctoras Encarna Martín y Elena García en colaboración con Sopra Steria y un equipo de investigadores de ICAI-Universidad Pontificia Comillas, tiene que ver con la fragilidad y polimedicación. «Estamos trabajando en el diseño y desarrollo de una herramienta de soporte a la toma de decisiones que permita, a través del procesamiento de lenguaje natural, establecer un algoritmo que clasifique al paciente pre-frágil y frágil con mayor exactitud que en la actualidad», resume Elena García sobre un proyecto que toma como base la experiencia en analítica predictiva del anterior y del que forma parte también el doctor Andrés Saldaña, así como el responsable de Farmacia del HSJD León, Javier del Pozo.

«Hay ya artículos sobre el tema, aplicando Inteligencia artificial, pero no llegan a dar con la clave. Nosotros aportamos el análisis de textos no estructurados y de lenguaje enfermero mediante la codificación NANDA NIC NOC para intentar dar con nuevos conceptos que aporten claridad a la identificación adecuada de estos pacientes», afirma una experta que apuesta por la investigación aplicada a la resolución de retos de salud y sociales desde un enfoque sistémico. Para ello, según concluye, «la generación de alianzas entre las universidades y empresas, los clínicos y la sociedad es clave».