AIMS-MN

Necessitat

A Espanya, s’estima que 4 milions d’ancians pateixen malnutrició (MN). Aquesta condició provoca desequilibris en la ingesta de nutrients, alterant la funció corporal i provocant fragilitat, disfuncionalitat, reingressos hospitalaris i increment de la morbimortalitat augmentant així els costos derivats de la seva atenció. La prevalença de MN en pacients ancians hospitalitzats és del 38.7% i del 15.3% a la comunitat. El diagnòstic de MN està ben definit: a) cribratge per detectar individus en risc; b) avaluació clínica amb mesures antropomètriques (pes, talla i IMC), avaluació d’ingestes i analítica de sang. El cribratge actual es basa en qüestionaris i entrevistes (Mini Nutritional Assessment, Subjective Global Assessment i NRS-2002) que són lents (15 minuts/pacient), costosos i ineficients doncs sols es realitzen al 30% del total de pacients en risc degut a la gran quantitat de recursos humans que necessiten. Amb el sistema actual, un hospital de 400 llits necessitarà 60h diàries per detectar els pacients en risc. El cribratge de MN és crucial doncs un individu que no es detectat en risc, mai podrà ser diagnosticat i posteriorment tractat. Necessitem sistemes de cribratge sistemàtics, automàtics, ràpids i cost-eficients per millorar el diagnòstic de la MN.

Solució

AIMS-MN és un model predictiu basat en machine learning, entrenat amb dades de >5.000 pacients hospitalitzats al CSdM. De manera automàtica sense necessitat de cap intervenció per part dels clínics, llegeix la informació recollida en la història clínica electrònica del pacient (HCE) i mostra si el pacient està en risc o no de MN a l’estació de treball dels sanitaris. En comparació amb els sistemes actuals que cribren pacients unitàriament, AIMS-MN permet: a) el cribratge del 100% dels pacients hospitalitzats, b) incrementa la precisió diagnòstica en un 30%, c) cribra en menys de 5 segons els mateixos pacients que un/a infermer/a en 62 hores, fet que d) multiplicarà el nombre de pacients cribrats i, per tant, diagnosticats i tractats.

A més, la seva integració amb la HCE permet una detecció ràpida i precisa sense la necessitat d’introducció manual de dades. En tractar-se d’un sistema basat en intel·ligència artificial (IA), millora la seva capacitat predictiva amb la incorporació de nous casos, permeten la ràpida adaptació a noves poblacions. AIMS-MN utilitza dades no-identificatives i encriptades, pel que permet el seu funcionament en qualsevol indret del món. AIMS-MN permet el cribratge universal i sistemàtic a tots els pacients ancians en risc de MN. El nostre grup ha demostrat que quan diagnostiquem un pacient amb MN, la Intervenció Mínima-Massiva (IMM) basada en adaptació de fluids i textures, suplementació nutricional i millora de la higiene oral millora els resultats salut, els reingressos en general i la supervivència dels ancians hospitalitzats i malnodrits.

Objectiu

Automatitzar el cribratge de MN de manera ràpida i precisa, augmentat l’eficiència del procés diagnòstic permetent realitzar prevenció primària i secundària així com oferir un tractament basat en la IMM.