← volver

INVESTIGACIÓN CON IMPACTO Ciencia de datos para prevenir errores de medicación

Desarrollar, evaluar e implementar algoritmos para prevenir errores de medicación es uno de los proyectos de investigación que por estos días lidera nuestro académico, Sebastián Ríos. Y es que a partir de métodos avanzados de ciencia de datos, Sebastián desarrolla un sistema para evitar estos fallos que ponen en peligro la salud de los pacientes.

Este tema es tan relevante que solo en Estados Unidos, de acuerdo a un comunicado de la Organización Mundial de la Salud (OMS) de 2017, al menos una muerte diaria era provocada por errores de medicación, en tanto que los daños se calculaban aproximadamente en 1,3 millones de personas al año. Sumado a esto, la OMS calculaba el costo mundial en US$ 42.000 millones, asociado a los errores de medicación, equivalente  a casi un 1% del gasto sanitario mundial.

“Los Errores de Medicación (EM) son unos de los más comunes en la práctica clínica y, en su mayoría, ocurren durante el proceso de prescripción de medicamentos”, describe Ríos, agregando que existe consenso en que una estrategia tecnológica efectiva para reducir estos errores es la prescripción electrónica con sistemas de apoyo a la decisión clínica”.

A partir de esta información, el investigador presentó y ganó un proyecto Fondef titulado “Advanced Data Science Methods for medication error prevention”, en el cual se ha dedicado -desde marzo de 2020- a desarrollar una plataforma que alerte a los equipos de salud sobre estos riesgos. En especial, en el caso de pacientes con condiciones de base que los vuelve más vulnerables.

Datos al servicio de la salud

La plataforma que desarrolla Sebastián y su equipo está conformada por una serie de algoritmos de Machine Learning y de detección de patrones que permitan la identificación temprana de estos riesgos. Esto, con el fin de advertir al equipo medico y así evitarlos o mitigarlos. Esta es capaz de procesar textos de recetas médicas para detectar los diversos principios activos en las prescripciones médicas, cantidades y formas de administración de los medicamentos, entre otros, antecedentes con los cuales es posible detectar los riesgos de medicación.

Para ello, el investigador programó personalmente todo el procesamiento del texto de las recetas, el procesamiento de texto es una de sus líneas más antiguas de trabajo, así como los diversos tipos de redes neuronales, word embbedings y transformers, entre otros.

El proyecto cuenta con el apoyo del Servicio de Salud Metropolitano Sur Oriente, quien es socio de esta iniciativa, y todos los algoritmos se están desarrollando y probando en el Hospital de la Florida.

“Ya contamos con más de 1.800.000 recetas médicas completamente anonimizadas para entrenar los algoritmos. Posteriormente, escalaremos la solución a nivel nacional”, explica Ríos.

Agrega: “Nuestra idea es poder dejar una solución que sirva a todos los hospitales públicos o privados de nuestro país. No que quede como un desarrollo científico que solo termine en publicaciones científicas”, concluye.

Fuente: Comunicaciones OpenBeauchef