Un vistazo al «caos controlado» del trabajo de parto y el parto, y cómo la IA puede ayudar

Desde la década de 1970, la monitorización fetal electrónica ha sido la tecnología de referencia en obstetricia perinatal para la detección de sufrimiento fetal durante el parto. Aunque la tecnología ha cambiado ligeramente en los años siguientes, las demandas de las enfermeras perinatales han aumentado exponencialmente. El agotamiento de las enfermeras y la escasez provocada por la pandemia han exacerbado la situación.

Mientras tanto, las enfermeras de trabajo de parto y parto con diferentes niveles de experiencia deben rastrear y documentar hasta 10 características diferentes cada 15 a 30 minutos. , dependiendo de la etapa del trabajo de parto, todo con la superposición emocional adicional de tratar a múltiples pacientes a la vez en un entorno altamente exigente y a menudo estresante.

Matthew Sappern es director ejecutivo de PeriGen, una empresa de TI para la salud empresa que aplica inteligencia artificial para mejorar la seguridad en el parto. Healthcare IT News se sentó con Sappern para saber cómo la IA y la tecnología móvil se combinan para ayudar a abordar estos problemas, así como para brindar un mejor acceso a partos y partos seguros para personas con fondos insuficientes. hospitales rurales y hospitales recién adquiridos que están recortando cada vez más la UCIN y los departamentos de trabajo de parto y parto.

P. ¿Qué es una historia de alto nivel de EFM? ¿Cómo ha ayudado y cómo han cambiado las demandas relacionadas con las enfermeras perinatales?

A. La historia de EFM está plagada de controversias y debates. Creo que esto tiene más que ver con la forma en que se consumen los datos de EFM, en lugar de problemas con la tecnología en sí.

El monitoreo fetal en sí se remonta al siglo XIX y, aunque el equipo tiene avanzado significativamente, nuestro desafío colectivo hoy es cómo interpretar y usar mejor estos datos, superando los factores humanos que contribuyen a los resultados adversos evitables.

Lo que comenzó como una práctica de usar estetoscopios rudimentarios para monitorear la corazón fetal avanzó considerablemente a lo largo del siglo XX, cuando se implementó el primer EFM de cabecera en 1968. Este monitor generó automáticamente trazados de frecuencia cardíaca fetal dibujados en una larga tira de papel.

Francamente, la tecnología introducido en 1968 no ha cambiado mucho, aunque ahora los trazados se muestran digitalmente, se integran en un programa de vigilancia y se interconectan con registros médicos.

Desde la auscultación hasta la EFM, el objetivo clínico sigue siendo el mismo: identificar fetos con mayor riesgo de lesión durante parto sin facilitar un número excesivo de intervenciones innecesarias. Pero la práctica ha estado salpicada de controversias y resultados inconsistentes desde su introducción.

Si bien la EFM puede indicar patrones de frecuencia cardíaca fetal preocupantes, es una prueba inespecífica. No identifica definitivamente el momento en que ocurre la lesión, y no aísla e identifica la causa.

Esto ha perpetuado las dudas sobre su valor. Durante décadas, las asociaciones médicas se han esforzado por mejorar su usabilidad y relevancia a través de la estandarización de la terminología y el establecimiento de pautas y protocolos de gestión basados ​​en datos de EFM.

Ha habido mejoras notables en los resultados, como reducir a la mitad el tasa de muerte perinatal o HIE desde la década de 1980 hasta la actualidad, pero ese mismo período de tiempo vio un aumento significativo en la tasa de cesáreas.

La inquietante realidad es que interpretar los trazados cardíacos fetales todavía es demasiado a menudo considerado más arte que ciencia. Una sola tira fetal límite mostrada a un grupo de profesionales capacitados probablemente provocará múltiples reacciones contradictorias.

En última instancia, a pesar de las pautas bien intencionadas, las horas de capacitación y los programas de certificación de monitoreo fetal, la práctica de la interpretación de los trazados a menudo es víctima de la subjetividad, la normalización de la desviación y otros factores humanos.

En las últimas décadas, nos hemos dado cuenta de que estos factores humanos y las fallas del sistema juegan un papel importante en resultados adversos. Específicamente en el parto, la pérdida de conciencia situacional y la falta de comunicación y la intervención tardía que se derivan de ello están presentes en casi la mitad de las lesiones cerebrales prevenibles relacionadas con el parto a pesar de décadas de enfoque en programas de capacitación.

Hoy , las enfermeras en la sala de trabajo navegan a través de un entorno complejo de mayores requisitos de documentación, una cacofonía de alertas de umbral que se han vuelto sin sentido y escasez de personal y experiencia.

Además, los perfiles maternos son más problemáticas en general, con mayores porcentajes de obesidad, diabetes y otras comorbilidades que deben ser manejadas de cerca. Las enfermeras deben vigilar atentamente a sus pacientes, ayudar a sus compañeros en las urgencias y defender su visión clínica ante médicos y residentes.

Todo ello con el trasfondo de operar en el servicio más litigioso línea en un hospital, donde su juicio podría ser cuestionado en una sala de audiencias cinco años más adelante, a años luz del caos controlado del día y en fila contra testigos que intentarán desacreditarlos.

En cuanto al futuro de EFM, la tecnología es la más prometedora para mitigar muchos de los escollos que contribuyen a las lesiones evitables. Hay tres pistas a seguir.

Primero, invierta en avances en sensores para detectar mejor cómo un bebé tolera el trabajo de parto. Muchas empresas buscan sensores portátiles para medir la frecuencia cardíaca fetal y la actividad uterina. Si bien brindan una mayor movilidad y un posible control en el hogar, aún no se ha demostrado que sean más precisos que los monitores de cabecera ni disminuyan las lesiones relacionadas con el parto. Esta conclusión no es sorprendente, ya que miden las mismas cosas que los monitores de cabecera.

En segundo lugar, use los trazados actuales de maneras diferentes y mejores. Utilice la tecnología como complemento de las evaluaciones humanas para protegerse contra la incoherencia y la subjetividad. Reconocer que la evaluación humana puede ser inconsistente, especialmente cuando se lleva a cabo durante largos períodos de tiempo en presencia de fatiga, distracción y normalización de la desviación.

En esta segunda nota, emplee técnicas de visualización de datos para mejorar conciencia situacional. Los componentes clave para un buen conocimiento de la situación son el acceso rápido a información agregada y relevante y la proyección de lo que es probable que suceda.

La proyección es crítica en obstetricia, para permitir la intervención antes de que ocurra una lesión y la recuperación sea poco probable. . Las pantallas especializadas pueden consolidar datos críticos en una sola descripción general que muestra el curso de los pacientes durante muchas horas, marcando las desviaciones de las normas esperadas con códigos de colores. Estas herramientas permiten a los médicos ver rápidamente el grado y la duración de las anomalías y las tendencias a lo largo del tiempo.

También en esta segunda nota, reduzca la fatiga de las alarmas al mejorar el significado de las alarmas. Las alarmas en alertas de umbral simples y rudimentarias han resultado en fatiga generalizada y despido por parte de los médicos. Para amplificar esta frustración, los métodos de categorización de rastreo fetal existentes están diseñados para ser fáciles de recordar y usar, pero esta simplicidad da como resultado una discriminación deficiente y alarmas muy frecuentes.

El éxito aquí significa establecer notificaciones basadas en evidencia según el grado y la duración de las anomalías. La capacidad de las computadoras junto con el análisis automatizado puede hacer una categorización más matizada del rastreo donde las notificaciones pueden enfocarse en hallazgos clínicamente más significativos.

Y tercero, aplicar técnicas de aprendizaje automático para crear mejores, predictores más específicos y oportunos de lesión fetal o sus precursores inmediatos. Los sistemas de salud tienen repositorios de datos excepcionales y las tecnologías de aprendizaje automático son cada vez más poderosas.

Es muy posible que la combinación de información clínica como los datos de EFM con técnicas de aprendizaje automático pueda producir una mejor manera de identificar al feto. con lesiones inminentes. Dichos resultados serían fáciles de llevar a la cabecera de la cama o donde sea conveniente para los médicos.

P. ¿Qué deben rastrear y documentar las enfermeras de trabajo de parto y parto hoy, y cómo es el entorno para ellas?

R. Comenzaré con el medio ambiente, que, dada la escasez de enfermeras con experiencia, parece insostenible sin una eventual intervención técnica. «Caos controlado» es una descripción popular. Picos y valles de adrenalina, ya que cualquier parto puede pasar rápidamente de normal a emergente, por lo que es tan importante evaluar las tendencias en lugar de los umbrales.

Un líder de línea de servicio con una larga La historia de la enfermería de cabecera, la calidad perinatal y la educación de enfermería me comentó recientemente: «Le hemos empujado tantas cosas a la enfermera de cabecera, entre el monitoreo y la documentación, ya no estoy seguro de cómo manejan al paciente… a veces simplemente se cierran».

En ese contexto, los requisitos de documentación son básicamente los siguientes: variando según los niveles de riesgo en el trabajo de parto, las enfermeras están evaluando la tira fetal y la actividad uterina cada 15 minutos y documentando lo mismo al menos cada 30 minutos. Los requisitos de documentación también incluyen la actividad del paciente, la tolerancia al trabajo de parto, el nivel de dolor, los medicamentos, si se administraron, los análisis de laboratorio y las intervenciones para el manejo del trabajo de parto.

P. ¿Cómo pueden ayudar la inteligencia artificial y las tecnologías móviles?

A. El aprendizaje automático, un tipo de IA, se refiere a técnicas matemáticas que usan datos existentes para generar algoritmos para hacer predicciones sobre datos futuros: «aprenden» de los datos de entrenamiento. Las redes neuronales, un enfoque de aprendizaje automático de uso generalizado en muchos dominios, es un enfoque que puede aproximar cualquier función matemática para caracterizar relaciones complejas entre predictores y respuestas.

En contraste, los sistemas basados ​​​​en reglas prevalecen hoy en día son poco más que sistemas de puntuación desarrollados por un consenso clínico. La mayoría ni siquiera se ha probado de manera rigurosa para medir su desempeño.

Al aplicar técnicas de aprendizaje automático a los grandes conjuntos de datos disponibles en el trabajo de parto y el parto hoy en día, se pueden desarrollar predictores que se basan en datos contemporáneos y tener en cuenta muchos factores clínicos como la edad materna y las condiciones médicas coexistentes.

Además, pueden considerar factores en evolución como cambios en los patrones de EFM, el estado de progresión del trabajo de parto o una reducción en los niveles de dotación de personal. El procesamiento de señales digitales puede «ver» y proporcionar características de rastreo fetal que no son evidentes para el ojo humano.

Los sistemas de aprendizaje automático no están limitados por suposiciones integradas en los sistemas actuales basados ​​en reglas. Además, su desempeño se puede calcular y comparar con métodos basados ​​en reglas para medir realmente, no especular, sobre los incrementos de mejora.

Las tecnologías móviles pueden hacer lo mismo para la atención médica que para comunicación en general. Pueden brindar información a los médicos en varios lugares y, por lo tanto, pueden interactuar con los datos y con los médicos de cabecera.

Las imágenes valen más que mil palabras y la falta de comunicación con los médicos externos es un problema común. en lesiones de nacimiento. Proyectar la tira fetal en cualquier lugar, con marcas analíticas para facilitar la evaluación y el consenso, es un ingrediente crítico en una infraestructura clínica efectiva.

Twitter: @SiwickiHealthIT

Envíe un correo electrónico al escritor : bsiwicki@himss.org

Healthcare IT News es una publicación de HIMSS Media.

Lee mas

Deja un comentario

Tu dirección de correo electrónico no será publicada.