El último informe de la Oficina de Naciones Unidas contra la Droga y el Delito (ONUDD) ha dejado ver cómo el consumo de drogas ha aumentado tras la pandemia de la Covid-19. Aproximadamente 284 millones de personas, o el 5,6% de la población mundial, habían consumido una droga como la heroína, la cocaína, las anfetaminas o el éxtasis en 2020.
Estas drogas pueden ser desde inyectables con una jeringa hasta en pastillas o polvos. Actualmente, las personas que se inyectan drogas se identifican a través de códigos de Clasificación Internacional de Enfermedades (ICD) que los proveedores de atención médica especifican en los registros de salud electrónicos de los pacientes o que codificadores humanos capacitados extraen de esas notas y los revisan con fines de facturación. Pero no existe un código ICD específico para el uso de drogas inyectables, por lo que los proveedores y codificadores deben confiar en una combinación de códigos no específicos como sustitutos para identificar PWID, un enfoque lento que puede generar imprecisiones.
Ahora, una nueva tecnología es capaz de detectar la presencia de drogas inyectables en los pacientes para mejorar significativamente la toma de decisiones clínicas, lo que lleva a mejores opciones de tratamiento.
Los investigadores de la UCLA Health revisaron manualmente 1.000 registros de 2003 a 2014 de personas admitidas en hospitales de la Administración de Veteranos con bacteriemia por Staphylococcus aureus , una infección común que se desarrolla cuando la bacteria ingresa a las aberturas de la piel, como las que se encuentran en los sitios de inyección. Luego desarrollaron y entrenaron algoritmos usando procesamiento de lenguaje natural y aprendizaje automático y los compararon con 11 combinaciones de proxy de códigos ICD para identificar PWID.
El objetivo de esta inteligencia artificial es hacer más fácil el trabajo de identificación de la droga a los médicos para hacer más rápido su diagnóstico
Las limitaciones del estudio incluyen una documentación potencialmente deficiente por parte de los proveedores. Además, el conjunto de datos utilizado es de 2003 a 2014, pero la epidemia de uso de drogas inyectables ha pasado desde entonces de los opioides recetados a los opioides sintéticos como el fentanilo, que el algoritmo puede pasar por alto porque el conjunto de datos donde aprendió la clasificación no tiene muchos ejemplos de esa droga Finalmente, los hallazgos pueden no ser aplicables a otras circunstancias dado que se basan completamente en datos de la Administración de Veteranos.
El uso de este modelo de inteligencia artificialacelera significativamente el proceso de identificación de PWID, lo que podría mejorar la toma de decisiones clínicas, la investigación de servicios de salud y la vigilancia administrativa.
“Al utilizar el procesamiento del lenguaje natural y el aprendizaje automático, pudimos identificar a las personas que se inyectan drogas en miles de notas en cuestión de minutos, en comparación con las varias semanas que le tomaría a un revisor manual hacer esto”, dijo el autor principal, el Dr. David Goodman. Meza, profesor asistente de medicina en la división de enfermedades infecciosas de la Escuela de Medicina David Geffen de la UCLA.