Medical informatics approaches for decision support in antimicrobial stewardship

Resumen

Las organizaciones de salud pública están promoviendo el uso racional de antibióticos, o vigilancia antimicrobiana, con el objetivo de maximizar su efectividad y limitar el aumento de resistencias a los mismos. El Hospital Universitario de Getafe participó en el desarrollo del proyecto Wise Antimicrobial Stewardship Program (WASPSS): un sistema de ayuda a la decisión clínica (CDSS) con el objetivo de apoyar a los equipos multidisciplinares responsables de la vigilancia antimicrobiana en hospitales. El objetivo de esta tesis doctoral es demostrar que las reglas de producción son adecuadas para abordar los problemas de la vigilancia antimicrobiana desde la perspectiva de la informática médica. Nos enfrentamos a los problemas de: i) aumentar la efectividad de tratamientos antibióticos, ii) facilitar el uso de Guías de Práctica Clínica (CPGs) y iii) predecir infecciones causadas por microorganismos resistentes. Usaremos WASPSS como plataforma en la que implementar y probar nuestras estrategias. Primeramente, abordamos el mejorar los resultados de los tests de sensibilidad antimicrobiana (ASTs) para aumentar la efectividad de los tratamientos. Utilizamos reglas expertas para inferir nuevos patrones de resistencia a partir de los obtenidos en laboratorio. El mayor problema es modelar conocimiento basado en reglas y definido sobre taxonomías complejas. Utilizamos ontologías para traducir las taxonomías a jerarquías de conceptos y generamos reglas para relacionar cada término con sus definiciones. Probamos nuestro enfoque con los resultados de AST de un año, obteniendo un 26.4% de patrones nuevos de resistencia. Usando este enfoque, hemos implementado un nuevo módulo en WASPSS que amplía los resultados de AST disponibles y alerta sobre posibles clasificaciones erróneas de microorganismos o tratamientos inadecuados. A continuación, abordamos el problema de la integración de las CPG relacionadas con la administración de antibióticos en los CDSS para facilitar su uso diario. Usamos BPMN y DMN para modelar y visualizar los complejos procesos y decisiones incluidas en estas guías. Además, derivamos reglas de estos modelos para estimar la adherencia de una CPG a un paciente en concreto. Probamos nuestro enfoque modelando una CPG para la administración de vancomicina. Como resultado, hemos implementado un nuevo módulo para WASPSS que proporciona información contextualizada sobre la tarea actual. Esto también facilita la visualización de la CPG y la planificación de tareas. Finalmente, abordamos la predicción de infecciones causadas por enterococos resistentes a vancomicina (VRE). Esta clase de modelos de predicción, también conocidos como Reglas de Predicción Clínica (CPRs), deben abordar varios problemas, como los cambios del objetivo a predecir, los conjuntos de datos desbalanceados y el elevado número de predictores. Combinamos diferentes estrategias para resolver estos problemas y desarrollamos una CPR con la que predecir las infecciones por VRE. Obtuvimos un modelo final con AUC de 0.82, combinando una ventana deslizante de 30 meses, sobremuestreo, filtrado rápido basado en correlación y LASSO. Posteriormente, implementamos un nuevo módulo WASPSS que permite visualizar la predicción para un paciente concreto y alertar sobre pacientes con alto riesgo de infección por VRE. En conclusión, hemos probado nuestra hipótesis de que las reglas de producción son útiles en los CDSS para la vigilancia de antibióticos, sirviendo como base para incorporar diferentes tipos de conocimiento, así como comprobado sus limitaciones. Ontologías y reglas se pueden combinar para incorporar conocimientos basados en taxonomías complejas. BPMN y DMN junto con reglas pueden mejorar la tarea de modelar y visualizar procesos y decisiones complejas. Finalmente, las reglas de producción se pueden utilizar para incorporar modelos de predicción, mientras que es necesario combinar diferentes técnicas de minería para tratar los problemas intrínsecos de este escenario.