Ayuda a la toma de decisiones médicas con IoMT. El caso Osakidetza (Sanidad Vasca) - ERP Spain.com - España y América Latina

 Publicamos grabación del webinar grabado el día 11/03/2020

Ponentes:Rubén Pérez

iTuc es una plataforma de IoT enfocada a procesos que permite la comunicación entre dispositivos y otras fuentes de información, homogeneizándola y adaptándola a las necesidades que tenga el destino de la información.

Hace 4 años la Organización de Salud Vasca (Osakidetza) se decidió por iTuc como herramienta para la gestión de los datos e informes generados por los aparatos de Electromedicina. El  objetivo era poder incorpar las pruebas de esos aparatos en la historia clínica electrónica del paciente.

Una vez cumplido ese objetivo la Osakidetza se está planteando el uso y aprovechamiento de esa ingente cantidad de datos para dar soporte al personal médico. Es decir el Internet de las Cosas "Médicas" (Internet of Medical Things - IoMT) utilizado para ayudar a la toma de decisiones médicas.

La información proporcionada por los dispositivos médicos está abriendo al personal médico y directivos un mundo de posibilidades tanto en la optimización del tiempo como en la ayuda a la toma de decisiones. Ya no sólo en lo que se refiere en el análisis de la información pasada sino también en la generación de alertas y notificaciones en "tiempo real", online. 

3 ejemplos de uso de la información de los dispositivos

En el webinar se explicarán los primeros pasos en los que se está trabajando en Osakidetza en esta línea:

1. Herramientas para Centrar la Atención

Ahora mismo en Osakidetza todas las enfermeras cuentan con una Tablet con una serie de aplicaciones clínicas. La encargada de enfermería se decide a configurar las alertas que quiere que las enfermeras de una planta reciban en sus tablets. Para ello, desde la interfaz de iTuc, define distintas alertas en función de la necesidad y la criticidad. Por ejemplo, una alerta de nivel medio si la temperatura sube de x grados y además tiene una tensión y o una alerta de nivel crítico si distintos datos de la toma superan unos valores que se consideran extremos. 

2. Herramientas específicas de obtención de Información del Paciente

Rubén, el ponente de este webinar comenta: "A medida que con Ituc éramos capaces de enviar resultados de distintos tipos de pruebas médicas a la historia clínica nos planteamos por qué no enviarlos a un algoritmo."

Y el primero que se probó fue el algoritmo de diagnóstico para retinopatías diabéticas. Osakidetza realiza una retinografia a un paciente, iTuc sube la información a la Historia Clínica del paciente pero a la vez detecta que este paciente en cuestión es diabético por lo que el sistema automáticamente envía la imagen de la retino al algoritmo en cuestión. 

Este algoritmo está desarrollado para evaluar la imagen de una retinopatía de un paciente diabético y detectar microaneurismas y demás patologías que pudiera sufrir, tarea que actualmente realiza un oftalmólogo de manera manual. 

Además el algoritmo dispone de un machine learning que le permite ser más eficiente a la hora de detectar patologías a medida que se va utilizando.

3. Monitorización personalizada de los datos clínicos del Paciente

Hablaremos de la necesidad de facilitar al médico la visualización efectiva de la ingente cantidad de información generada priorizando la información más relevante según las circunstancias de salud del paciente.