Chatbot del triage – evaluación rápida y eficiente.

Que hará este chatbot? 

Optimización de la Atención Médica a través de la Conexión y Automatización.

La conexión entre este chatbot y las bases de datos (historia clínica) de los pacientes, es factor importante para agilizar la atención médica. Por medio una base de datos el chatbot podra evaluar la emergencia del paciente y dar el diagnostico basándose en la historia clínica del paciente. Esto ayudara al profesional que vaya a entender al paciente, dar un posible diagnóstico es el inicio para tratar la emergencia del usuario. Si este necesita medicación o una atención más urgente y que pueda pasar con los especialistas de la emergencia previamente indicada al chatbot. Con el fin de ahorrar tiempo y evitar percances en el medio de la evaluación del triage.

La automatización de procesos médicos, apoyada por la tecnología de la Inteligencia Artificial (IA), reduce significativamente los errores cometidos por los humanos. Esto permite una atención mucho más rápida, segura y eficiente a la hora de este examen.

Interoperabilidad y APIs: Mejora de la Eficiencia Operativa y la Calidad del Cuidado.

La integración de APIs en los servicios de salud mejora la eficiencia al momento de la evolución del triage. La calidad de la atención al paciente. Los APIs como el FHIR permiten que los datos que se intercambian de tal una manera que sea segura y estandarizada. Se puedan acceder de una manera segura. Esto no solo llega facilitar el monitoreo remoto de los pacientes, sino al tiempo también permite una visión más completa y en tiempo real del estado de salud del usuario, esto mejorando la toma de decisiones clínicas.

Almacenamiento en la Nube: Seguridad, Escalabilidad y Toma de Decisiones Mejorada.

El almacenamiento en la nube se ha convertido en una solución vital para el sector salud. Ya que se está proporcionando un acceso seguro y rápido a la información médica desde cualquier ubicación. Las plataformas en la nube permiten que los hospitales puedan almacenar una gran cantidad de datos de manera escalable. Sin los costos operativos asociados a los servidores físicos. La integración con estos sistemas de gestión de salud a través de los APIs facilita la obtención de la información. Esto con el objetivo de ir mejorando la colaboración entre diferentes proveedores de atención médica.

La seguridad de los datos médicos es la principal prioridad en el uso de los datos de la nube. La solución en la nube implementa unos protocolos de avanzado de cifrado y autenticación. Asegurando que solo el personal autorizado pueda acceder a la información de los pacientes.

Back end.

Para poder iniciar a hablar sobre el back end, primero hay que saber de qué se está hablando. El back end se encarga de administrar la funcionalidad de la aplicación, bien sea estructura y la interacción del usuario con la misma. El funcionar del back end surge con la interacción del usuario con el front end. La interacción envía una solicitud y despues el back end devuelve la respuesta. Ahora, entrando en el proyecto, primero se hablará de que funciones debe cumplir el back end en el Chatbot.

El Back end se debe cumplir la función de interactuar con los usuarios. Preguntar sobre su estado de salud, o los síntomas que presenten en ese momento, de igual forma recoger y almacenar estos datos. Las posibles preguntas que se pueden realizar son:

1. Síntomas en el instante, como puede ser dolor en alguna zona, dificultad para respirar, fiebre, etc.
2. Nivel de conciencia, el Chatbot debe asegurarse que el paciente se encuentre con el suficiente nivel de conciencia y cordura por medio de distintas preguntas.
3. Historia clínica, buscar tener conocimiento de enfermedades anteriores o hereditarias.

El back end debe ser capaz de:

1. Procesar la información suministrada en tiempo real. 
2. Categorizar al paciente según la escala triage. 
3. Recolectar y almacenar la información.

De entre todos los lenguajes de programación, el escogido para crear el back end, es el lenguaje javascript. Se debe a su gran variedad de bibliotecas, teniendo un ecosistema muy robusto.

Front end.

Se explicará que es y que función cumple el front end, esta es la parte visible de la aplicación. Esta es la parte con la que le usuario va a interactuar, y es la parte estética de la aplicación.

Hablando del Chatbot, el front end será una parte muy importante. Con esta es la que el usuario deberá sentirse cómodo y seguro con la aplicación a la cual le está confiando. La práctica de examen triage y de igual forma confiar en la misma que de un resultado correcto. En el contexto que van a tener que interactuar con la misma bajo mucho estrés. Concluyendo que de la misma manera sabemos que por estas cosas el front end es muy importante. 

Algunos de los principios, o las bases que puede seguir el front end son:

1. Una interfaz sencilla pero directa, en estos casos no hay cabida para una estética vistosa y complicada.
2. Un diseño accesible e inclusivo con las personas con discapacidad visual o auditiva.
3. Para garantizar una buena experiencia, y un buen diagnóstico, es necesario que, al momento de la conversación. Las preguntas sean muy sencillas pero directas, y es necesario que el Chatbot simule una conversación natural y en cierta parte “humana”.

Al igual que back end, el lenguaje de programación que se va a emplear va a ser JavaScript. Por su gran variedad de bibliotecas y ecosistema tan variado.

Flujo de decisión médica (motor de reglas).

El triage médico es un proceso crucial para priorizar la atención de los pacientes según la gravedad de sus síntomas. Su propósito es optimizar los recursos médicos y asegurar que los casos más graves reciban atención inmediata. En escenarios donde la demanda supera la capacidad del personal. Un motor de reglas o un sistema de inteligencia artificial (IA) puede automatizar este proceso mediante un chatbot. Estos sistemas se basan en reglas predefinidas o modelos de IA entrenados para predecir la gravedad de los síntomas. A continuación, se describe cómo se implementa y estructura un flujo de decisión médica utilizando un motor de reglas y cómo la IA puede mejorar su precisión.

• Fundamentos del triage médico.

El triage médico clasifica a los pacientes en función de la severidad de sus síntomas. Esto asegurando que aquellos que requieren atención urgente la reciban antes que quienes presentan síntomas leves. Este proceso es esencial en emergencias, hospitales, clínicas, o crisis sanitarias.

En un entorno automatizado, como un chatbot de triage médico, el proceso se realiza mediante un motor de reglas que sigue criterios predefinidos. En sistemas avanzados, los modelos de IA pueden analizar y predecir la gravedad de los síntomas. Mejorando la capacidad del motor de reglas para manejar casos complejos.

• Motor de reglas para el triaje médico.

El motor de reglas es una estructura lógica que toma decisiones basadas en entradas, en este caso, los síntomas reportados por los pacientes. El motor compara los datos con reglas médicas predefinidas y asigna un nivel de prioridad para el triage, determinando la urgencia de la atención médica.

Componentes del motor de reglas.

• Entrada de datos: El paciente introduce los síntomas a través de una interfaz de preguntas y respuestas gestionada por el chatbot. 
• Base de conocimiento: Contiene las reglas predefinidas, diseñadas por expertos médicos, que el motor de reglas utiliza para tomar decisiones. Estas reglas siguen protocolos de triaje estándar. Por ejemplo, si se reporta dolor severo en el pecho, el sistema asignará una prioridad alta, ya que este síntoma puede indicar un infarto. 
• Evaluador de reglas: Compara los síntomas reportados con las reglas y asigna un nivel de urgencia. Las reglas pueden ser simples (si-entonces) o complejas, considerando varios síntomas en conjunto. 
• Salida: El motor de reglas genera un nivel de triaje basado en la evaluación de los síntomas. Este nivel puede variar desde “no urgente” hasta “emergencia crítica”. 

Ejemplo de reglas de triage.

Si un paciente reporta dolor de cabeza, fiebre alta y dificultad para respirar, el motor de reglas puede procesar estos datos de la siguiente manera:

• Dolor de cabeza: Puede no ser grave por sí solo, pero se mantiene en observación. 
• Fiebre alta: Un síntoma que puede aumentar la gravedad si es persistente o se acompaña de otros. 
• Dificultad para respirar: Un síntoma crítico que se prioriza de inmediato. 

En este escenario, la combinación de fiebre alta y dificultad para respirar sugiere un riesgo elevado, asignando al paciente un nivel de triage urgente. 

Implementación de IA en el triage.

Para mejorar la precisión, los sistemas de triage pueden integrar IA. Un modelo de IA entrenado con grandes cantidades de datos médicos puede identificar patrones complejos entre síntomas. También diagnósticos que no siempre son detectados por las reglas predefinidas.

Entrenamiento de la IA.

Para implementar un modelo de IA, es necesario entrenarlo con datos clínicos históricos que incluyan diagnósticos finales y niveles de gravedad asignados. Esto permite al sistema aprender de casos reales y mejorar su capacidad para predecir la gravedad de los síntomas.

Integración con el motor de reglas.

El modelo de IA se integra con el motor de reglas en una arquitectura híbrida. Mientras que el motor de reglas gestiona las decisiones básicas, la IA se activa en casos de síntomas ambiguos o complejos. Esto para proporcionar una evaluación más precisa.

Importancia de la Seguridad y la Privacidad.

La implementación de chatbots del triage en colombiana mejora la eficiencia y el acceso a la atención médica. Pero también conlleva desafíos en cuanto a la seguridad y privacidad de los datos.

Protección de Datos y Confidencialidad.

Los chatbots procesan información esencial, como historial médico y síntomas. La Ley 1581 de 2012 exige que estos datos se manejen con una seguridad robustas. La Ley 23 de 1981 también resalta la confidencialidad en la relación médico-paciente, la cual debe aplicarse a los chatbots.

Ciberseguridad.

Los chatbots son vulnerables a ciberataques, donde se puede ver afectado diferentes tipos de información. La Ley 1273 de 2009 establece sanciones para quienes accedan ilegalmente a sistemas informáticos. Para mitigar riesgos, es crucial implementar medidas de seguridad como encriptación y auditorías regulares. Por ende, los chatbots deben presentar un sistema de ciberseguridad que permita encriptar los datos y detecten vulneraciones en el sistema.

Consentimiento informado.

Los pacientes deben estar informados sobre el uso de sus datos y el objetivo que tiene la toma de estos. La ley también les otorga derechos para conocer y corregir su información. Donde si llegan a vulnerar esa información tienen posibilidad para presentar acciones de tutela en caso de violación de derechos.

Desafíos Legales.

Aunque Colombia tiene un marco legal sólido, los chatbots presentan nuevos retos. Es necesario identificar a los responsables del manejo de datos y capacitar al personal en su uso. Donde todas las personas puedan tener información sobre sus propios datos y las amenazas que conlleva, para una rápida y efectiva solución.

Créditos:

Autores: Camilo Andrés Méndez Méndez, Daniel Jacobo Fernández Cordero, Daniel Esteban Vela Higuera y Juan David Muñoz Contreras

Editor: Carlos Iván Pinzón Romero

Código: UCPDI2-2

Universidad: Universidad Central

Fuentes:

ADEA. (2022). La automatización de procesos en el sector Salud.https://www.adea.es/blog/automatizacion-salud/
Baustista, J. (7 de junio de 2022). Chatbots en salud: Ventajas y casos de usos de esta herramienta. Beex. https://beexcc.com/blog/chatbots-salud/
Considine, J., Thomas, S., & Potter, R. (2009). Clinical decisions using the Australasian Triage Scale: How important is postgraduate education? Accident and Emergency Nursing, 17(3), 132-138. https://doi.org/10.1016/j.aaen.2008.10.001
Consulltoria Tecnologica. (s.f.). Revolutionando el Sector Salud: Automatización de Procesos Clínicos. https://cmasc1.cl/automatizacion-de-procesos-en-el-sector-salud/ 
Gaviria, A.(30 de marzo de 2017). RESOLUCIÓN 926 DE 2017. Ministerio de salud y protección social. https://www.suin-juriscol.gov.co/viewDocument.asp?ruta=Resolucion/30038017
Gaviria, A.(24 de diciembre de 2015). Resolución 5596 de 2015 Ministerio de Salud y Proteccion. Ministerio de salud y protección. https://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=70502
Gestor Normativo. (s. f.). Ley 1581 de 2012. Función Pública. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=49981#:~:text=La%20presente%20ley%20tiene%20por,rectificar%20las%20informaciones%20que%20se
Gulshan, V., Peng, L., Coram, M., Stumpe, M. C., Wu, D., Narayanaswamy, A., ... & Webster, D. R. (2016). Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA, 316(22), 2402-2410. https://doi.org/10.1001/jama.2016.17216 
HumanITcare. (s.f.). Integra una API para wearables y dispositivos médicos de manera sencilla.https://humanitcare.com/api/
HumanITcare. (s.f.). 7 aspectos claves para integrar una API de telemonitorización de pacientes. https://humanitcare.com/7-aspectos-claves-para-integrar-una-api-de-telemonitorizacion-de-pacientes/
Lopez, M. (1999). Bases de datos médicas en Internet. Elsevier. https://www.elsevier.es/es-revista-atencion-primaria-27-articulo-bases-datos-medicas-internet-13337
K2BHealth. (s.f.). Interoperabilidad en salud: qué es, niveles y beneficios de aplicarla. https://k2bhealth.com/blog/post/interoperabilidad-en-salud/
IBM (s.f.). Soluciones en la nube para el cuidado de la salud y las ciencias de la vida. https://www.ibm.com/es-es/cloud/healthcare
Martinez, P. (20 de marzo de 2020). Gestión Médica en la Nube: Una Realidad Avanzada. Sanitco. https://www.sanitco.com/blog/nwarticle/82/2/gestion-medica-en-la-nube-una-realidad-avanzada
OpenKM (s.f.). Registro médico electrónico. https://www.openkm.com/es/blog/registro-medico-electronico.html
Solesforce España. (10 de marzo de 2022). ¿Qué es la atención sanitaria basada en la nube?. https://www.salesforce.com/es/blog/cloud-based-healthcare/?bc=HA 
Topol, E. J. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25(1), 44-56. https://doi.org/10.1038/s41591-018-0300-7 
Eduard Afandor. [Jefe Eduard J. Afanador] (18 de mayo de 2020). QUE TANTO SABES DEL TRIAGE HOSPITALARIO❓🩸 CLASIFICACIÓN❓ VALORACIÓN EN URGENCIAS.💉 [Video]. Youtube. https://www.youtube.com/watch?v=aBv4sodRVRM