¿Qué le pareció este contenido?
AprenderCómo Pieces Technologies aprovecha los servicios de AWS para predecir los resultados de los pacientes
Cómo Pieces Technologies aprovecha los servicios de AWS para predecir los resultados de los pacientes
¿Qué haría si pudiera predecir el futuro?
Con las capacidades avanzadas de las herramientas predictivas de inteligencia artificial (IA) y machine learning (ML), es posible que esté a nuestro alcance pronosticar el futuro, al menos de forma probabilística.
Pieces Technologies, Inc. (Pieces), una startup de atención sanitaria y ciencias biológicas, está abriendo camino en el espacio predictivo de la IA y el ML. Pieces es una plataforma de IA basada en software como servicio (SaaS) que se integra en las historias clínicas electrónicas (EHR) de un hospital. Su misión es mejorar la atención proporcionando información clínica a lo largo del recorrido del paciente. Ofrece predicciones de los eventos de salud, como las fechas previstas para el alta, los obstáculos clínicos y no clínicos previstos para el alta y el riesgo de readmisión, antes de que se produzcan. Pieces también proporciona información importante a los proveedores de atención médica en lenguaje natural y optimiza la claridad general de los problemas sanitarios del paciente para que los equipos de atención puedan trabajar de manera más eficiente.
El Dr. Ruben Amarasingham, CEO y fundador, fundó Pieces para ayudar a los proveedores y pacientes a lograr mejores resultados. Explica: “El trabajo sanitario es fundamental. Sin embargo, los médicos, las enfermeras y otras personas abandonan el sector sanitario debido al agotamiento laboral y la sensación de impotencia. Vemos una enorme sofisticación tecnológica en otros aspectos de nuestras vidas, ¿por qué no podemos aplicarla a la medicina?”
Durante sus 13 años como médico de un hospital, Rubén vio que “había varios pacientes a los que ingresaban en el hospital repetidamente. Entraban en el hospital, recibían tratamiento y, una o tres semanas después, los volvían a ingresar”. Con una formación de posgrado en informática biomédica y un enfoque en la predicción de eventos clínicos, esta tendencia inspiró a Ruben a ayudar.
“Vi una intersección entre mis antecedentes de investigación, mi práctica clínica y lo que sucedía en los hospitales”.
Para aplicar su teoría a un caso de uso del mundo real, “empezamos a modelar matemáticamente, basándonos en las características de los pacientes, qué pacientes podrían volver a ingresarse. Luego aplicamos recursos clínicos y no clínicos al paciente en riesgo, incluidos los determinantes sociales. Y descubrimos que podíamos identificar y prevenir la rehospitalización antes de que ocurriera”.
La capacidad de predecir la rehospitalización de los pacientes llevó a Ruben a fundar Pieces en 2016. El alcance de los servicios de Pieces para los proveedores de atención sanitaria y los pacientes ha crecido rápidamente. Hoy, “analizamos cualquier tipo de evento adverso en un paciente y nos preguntamos: ‘¿Podemos predecirlo con antelación?’ Si es así, facilitamos información con antelación a las personas que se encuentran sobre el terreno para que puedan actuar en consecuencia”.
Para implementar y mantener su motor de IA a escala, Ruben considera que Amazon Web Services (AWS) es fundamental: “No podríamos hacer este trabajo si no tuviéramos una nube increíblemente dinámica y escalable para ello. No es posible hacerlo localmente. Es necesario que estos sistemas de modelado aprendan de grandes conjuntos de datos y se necesita la capacidad de manipular o modificar el rendimiento de la IA a gran escala y en todos los clientes”.
Tras un breve período durante su incubación, cuando Pieces utilizó un entorno local, “nos cambiamos a AWS y no hemos mirado atrás. Ha sido estupendo. Estamos increíblemente agradecidos por el entorno de AWS”.
Los dos servicios de AWS más importantes que Pieces utiliza para ejecutar sus modelos en producción y a escala son Amazon Managed Workflows para Apache Airflow (Amazon MWAA) y Amazon Elastic Kubernetes Service (Amazon EKS). Ruben explica: “Usamos Amazon EKS para ejecutar instancias de Kubernetes de Amazon Elastic Compute Cloud (Amazon EC2) y Amazon Relational Database Service (Amazon RDS)”. La capacidad de supervisar los sitios de los clientes de los sistemas de salud en tiempo real es fundamental para Pieces, por lo que utilizan Amazon EC2 y Amazon OpenSearch Service para registrar los análisis a fin de supervisar las aplicaciones en tiempo real.
A Ruben le apasiona crear predicciones de IA y ML que sean pertinentes y accesibles. “Estamos muy entusiasmados con la incorporación de la generación de lenguaje natural en nuestro software. Esa capacidad es donde Pieces se encuentra ahora mismo con la IA”. Pieces aprovecha la generación de lenguaje natural para ofrecer a los profesionales sanitarios predicciones según el contexto y en un lenguaje sencillo. El lenguaje natural facilita a los profesionales sanitarios la evaluación del juicio de la IA en relación con las necesidades más críticas de los pacientes, al tiempo que deja de lado las predicciones menos críticas. Esto hace que sea más fácil actuar en función de la información de manera oportuna y beneficiosa.
“La generación de lenguaje natural puede ayudar a los proveedores y a los pacientes al traducir la información, a gran escala, de la manera en que puedan absorberla mejor. Ya sea que se trate de un informe médico para un médico o de instrucciones para dar el alta a un familiar con un nivel educativo de séptimo grado, por ejemplo”.
En un futuro próximo, podemos esperar que Pieces publique un informe de transferencia para los médicos que les permita transferir a su paciente a otro médico si fuera necesario. El informe se genera a partir de algunos de los datos médicos que las soluciones de AWS permiten recopilar a Pieces. Según la Joint Commission, el traspaso de médicos es un problema importante en el sector de la asistencia sanitaria, ya que “se estima que el 80 % de los errores médicos graves se deben a la falta de comunicación entre los cuidadores cuando se transfieren o se ceden los pacientes”. Al automatizar esta tarea, Pieces espera mejorar los resultados de los pacientes y, al mismo tiempo, “llevar la alegría de ejercer la medicina a un sistema que es enormemente complicado”, explica Ruben.
Para las startups que quieren seguir los pasos de Pieces, Ruben aconseja lo siguiente: “La atención médica está muy regulada, es muy precisa y hay que probar las cosas de forma más rígida que, por ejemplo, una startup de venta minorista. Está bien seguir un camino más lento, y es importante encontrar inversores y patrocinadores que entiendan el entorno sanitario y los beneficios de un progreso gradual”.
El éxito vale la pena, afirma Ruben, porque “si puede seguir todos los pasos, el impacto es profundo. Está haciendo un bien al mundo”.
Recursos relacionados:
Dr. Ruben Amarasingham
Ruben Amarasingham, MD, MBA, es el Fundador y Director ejecutivo de Pieces, una empresa de inteligencia artificial para el cuidado de la salud que se especializa en ciencias de la decisión clínica. También es el Fundador y expresidente de PCCI, un instituto de investigación científica con sede en Dallas, Texas, que se centra en los ensayos clínicos y la informática biomédica, y que dio origen a Pieces. El Dr. Amarasingham es un experto nacional en el diseño de productos de inteligencia artificial para la atención médica y la salud pública. Antes de ocupar el cargo de director ejecutivo de Pieces, fue Jefe adjunto de medicina en Parkland Health & Hospital System y profesor en los departamentos de Medicina Interna General y Ciencias Clínicas del Centro Médico de la Universidad de Texas Southwestern (UTSW), donde también se desempeñó como director del Programa de Informática Biomédica para el Premio de Ciencias Clínicas y Traslacionales de los NIH. Ruben fue miembro de la junta directiva nacional del HIMSS.
Megan Crowley
Megan Crowley es redactora técnica senior del equipo de contenido para startus de AWS. Con una carrera anterior como profesora de inglés en un instituto, la impulsa un entusiasmo incesante por contribuir a un contenido que sea a la vez educativo e inspirador. Compartir las historias de las startups con el mundo es la parte más gratificante de su puesto en AWS. En su tiempo libre, Megan trabaja en la carpintería, en el jardín y en los mercados de antigüedades.
¿Qué le pareció este contenido?