Candidatura

Proyecto Mantis II: herramienta de análisis predictivo de la tasa de reingreso de pacientes y propuesta prescriptiva de acciones mitigadoras de las complicaciones que motivan su reingreso mediante técnicas de “aprendizaje máquina” y algoritmos éticos en el Servicio Andaluz de Salud

Esta herramienta detecta con antelación las complicaciones que provocan el empeoramiento del estado de salud del paciente y que motivan su reingreso hospitalario tras su alta, para poder corregirlas en la medida de lo posible, de manera que se logre:

– Realizar un tratamiento de datos en la lista de pacientes con altas hospitalarias para filtrar aquellos con elevada probabilidad de reingreso, prescribiendo acciones mitigadoras del posible empeoramiento, teniendo en consideración las pautas correctivas basadas en el conocimiento introducido por humanos en la citada herramienta, posibilitando la recuperación óptima del paciente sin abandonar su domicilio. Por ejemplo, pacientes pluripatológicos en situación de exclusión social y bajo nivel económico, con escasa conciencia de autocuidado, que serían atendidos en sus domicilios por personal sociosanitario para realizar su seguimiento.

– Racionalización de recursos en aras de mejorar las prestaciones asistenciales.

Antecedentes

Tal y como se describe en la memoria, los pacientes que reingresan suelen tener un pronóstico negativo, entre otras causas, por el mero hecho de estar inmunodeprimidos y visitar una localización con alta probabilidad de contagio de nuevas patologías. La herramienta predice cuántos de esos pacientes retornarán a un ingreso hospitalario posibilitando su recuperación sin necesidad de que regresen al centro hospitalario. Esto mejora la vida del paciente, favorece la recuperación domiciliaria y evita complicaciones añadidas, a la par que racionaliza el gasto y esfuerzo realizado por el personal sanitario redundando en una mejor atención a otros pacientes.

Retos

Predice qué pacientes van a empeorar tras su alta hospitalaria, e informa de las pautas más adecuadas para su recuperación utilizando técnicas de machine learning para la predicción y de BIG DATA para recomendar o aconsejar tratamientos paliativos, todo ello con una auditoría ética de los algoritmos utilizados para la determinación de la predicción y tratamiento, evitando sesgos poblacionales.

Fases

- FASE I: análisis predictivo. Finalizada.
- FASE II: establecimiento del pautas de tratamiento personalizadas a las patologías del paciente utilizando BIG DATA y procesos analíticos combinados con inteligencia artificial, combinado con una auditoría ética de los algoritmos utilizados para la determinación de la predicción y tratamiento, evitando sesgos poblacionales.