Dentro de la silenciosa reconsideración del criterio clínico

La atención neurovascular es una de las áreas más complejas e inciertas de la medicina moderna. Millones de personas viven con afecciones como aneurismas intracraneales sin síntomas, pero cuando ocurre, los resultados suelen ser catastróficos y conllevan un riesgo sustancial de alta mortalidad y discapacidad neurológica a largo plazo.

Para los neurólogos, uno de los desafíos más complejos es determinar qué casos pueden observarse de manera segura y cuáles requieren intervención antes de que ocurran eventos que pongan en peligro la vida.

Esa incertidumbre clínica es el problema que CARA Systems Inc. intenta resolver. La empresa derivada de la Universidad de Nueva York con sede en Brooklyn, dirigida por el cofundador y director ejecutivo Prithvinath Garigapuram, ha desarrollado una plataforma de apoyo a la toma de decisiones clínicas no invasiva que integra imágenes médicas impulsadas por inteligencia artificial y análisis específicos del paciente en un flujo de trabajo unificado para la evaluación neurovascular. La misión más amplia de la empresa es mejorar la forma en que se evalúan los casos neurovasculares complejos mediante la integración de información clínica y de imágenes fragmentada en un marco de toma de decisiones más consistente, interpretable y específico para el paciente.

Anatomía de una decisión difícil

La toma de decisiones neurovasculares y la evaluación de riesgos dependen de la interpretación de las imágenes y de la anatomía específica del paciente. Los métodos actuales de estratificación del riesgo todavía dependen en gran medida de criterios clínicos, centrándose en factores como el tamaño, la ubicación anatómica y la demografía básica del paciente, pero brindan información limitada sobre las características anatómicas y hemodinámicas únicas que pueden influir en la progresión de la enfermedad en un paciente determinado.

💜 de tecnología de la UE

Los últimos rumores de la escena tecnológica de la UE, una historia de nuestro sabio fundador Boris y algo de arte de inteligencia artificial dudoso. Es gratis, todas las semanas, en tu bandeja de entrada. Regístrate ahora!

Los resultados interpretan la variabilidad. Dos médicos que revisan el mismo caso pueden llegar a conclusiones significativamente diferentes sobre la gravedad, el riesgo de ruptura, la urgencia o la necesidad de intervención. Un estudio de 2024 publicado en Scientific Reports, por ejemplo, encontró una variabilidad significativa entre evaluadores e intraevaluadores en las mediciones del tamaño de los aneurismas, con desviaciones que exceden los umbrales típicamente asociados con la categorización del riesgo de ruptura.

Cuando persiste la incertidumbre, el flujo de trabajo clínico a menudo escala hacia procedimientos de diagnóstico invasivos como la angiografía por sustracción digital, lo que introduce costos adicionales y cargas operativas tanto para los pacientes como para los sistemas de atención médica. En muchos casos, el aumento refleja no sólo la complejidad de la enfermedad, sino también la dificultad de integrar información clínica fragmentada en una vía de evaluación clara y consistente.

Garigapuram señala que este desafío se extiende más allá de la medicina neurovascular. En especialidades como oncología, cardiología y cuidados intensivos, los médicos deben sintetizar de forma rutinaria imágenes, resultados de laboratorio, mediciones fisiológicas e historial del paciente bajo una importante presión de tiempo y en un entorno de información altamente fragmentado. Gran parte de los datos necesarios para fundamentar una decisión ya existen dentro del flujo de trabajo de la atención, pero rara vez en una forma que sea integrada, relevante y fácilmente procesable en el lugar de atención.

Para Garigapuram, esa fragmentación estructural representa una amplia oportunidad para la tecnología sanitaria. "SoyEs bien sabido lo difíciles que pueden ser los sistemas de salud desde una perspectiva de implementación y adopción."Él dice."Pero eso es también lo que veo como una oportunidad clave: identificar dónde hay brechas significativas en el flujo de trabajo clínico y crear sistemas que puedan ayudar a los médicos a navegar de manera más efectiva."

Un nuevo lugar para que ocurra la síntesis

Lo que Garigapuram describe es un cambio en la síntesis clínica. En gran parte de la medicina moderna, la integración de imágenes, antecedentes del paciente, fisiología y factores de riesgo depende en gran medida de que los médicos interpreten información fragmentada en tiempo real, a menudo bajo las limitaciones de flujos de trabajo clínicos ajetreados y tomas de decisiones urgentes.

Una nueva generación de tecnologías sanitarias está empezando a mover parte de esa síntesis hacia arriba organizando y contextualizando señales específicas de los pacientes antes de que lleguen al punto de atención. En lugar de dejar información crítica dispersa en estudios de imágenes, informes y registros clínicos, estos sistemas tienen como objetivo capturar conocimientos clínicos relevantes en una forma que los médicos puedan interpretar y actuar de manera más eficiente.

El cambio no consiste en reemplazar el juicio clínico, sino en mejorar la calidad y especificidad de la información en el razonamiento de los médicos. En lugar de depender principalmente de marcos de clasificación genéricos, los médicos pueden evaluar un caso a través de la lente adicional de las características anatómicas, biomecánicas y clínicas específicas del paciente obtenidas directamente de cada paciente.

Un ejemplo de este enfoque en la atención neurovascular es AneuView™, una plataforma de apoyo a la toma de decisiones clínicas desarrollada por CARA Systems Inc., con sede en Brooklyn, una empresa derivada de la Universidad de Nueva York. La plataforma combina el análisis de imágenes médicas impulsado por IA y el análisis específico del paciente en un flujo de trabajo unificado que opera con imágenes no invasivas de rutina ya adquiridas durante la atención clínica estándar.

El resultado es un perfil de riesgo estructurado específico del paciente destinado a apoyar la toma de decisiones de los médicos durante la clasificación neurovascular y la planificación del tratamiento.

Prithvinath Reddy Garigapuram, cofundador CARA Sistemas Inc

Garigapuram, cofundador y director ejecutivo de la empresa, lo expresa de esta manera: “Los flujos de trabajo clínicos ya contienen una cantidad significativa de información. La oportunidad es integrar esa información en un sistema que pueda ayudar mejor a los médicos durante el proceso de toma de decisiones."

¿Qué cambia en el punto de decisión?

Las implicaciones prácticas de estos enfoques específicos para cada paciente comienzan temprano en la clasificación. Al proporcionar una caracterización de riesgo individualizada en el momento de la obtención de imágenes iniciales, los médicos pueden evaluar los casos neurovasculares con mayor información contextual antes de comprometer a los pacientes con vías de diagnóstico o tratamiento más agresivas.

En algunos casos, los pacientes que de otro modo podrían someterse a procedimientos de diagnóstico invasivos debido a la incertidumbre diagnóstica pueden ser evaluados con más confianza mediante evaluación y vigilancia no invasivas. En otros, los análisis anatómicos y hemodinámicos específicos de cada paciente pueden identificar características de alto riesgo que no son plenamente captadas por los sistemas convencionales de puntuación basados ​​en la población, lo que permite reconocer los casos de alto riesgo antes, cuando las estrategias de intervención pueden ser más integrales y los resultados clínicos potencialmente más favorables.

El impacto más amplio es un cambio fundamental en la forma en que se establece la certeza clínica. Gran parte del proceso de clasificación ocurre antes de que los pacientes se comprometan a procedimientos demasiado invasivos, escaladas innecesarias, incertidumbre diagnóstica prolongada y riesgos procesales retrasados.

Los efectos se extienden a la vigilancia a largo plazo. Muchos hallazgos neurovasculares requieren observación a lo largo del tiempo en lugar de una intervención inmediata; sin embargo, la determinación del intervalo de seguimiento apropiado suele ser muy variable entre los médicos y las instituciones. La modelización de riesgos específicos de cada paciente introduce la posibilidad de adaptar las estrategias de vigilancia a las características cambiantes de los casos individuales en lugar de depender únicamente de protocolos generales de seguimiento. Esto puede ayudar a los médicos a detectar una progresión significativa de la enfermedad antes y, al mismo tiempo, reducir la repetición innecesaria de imágenes en pacientes de bajo riesgo.

Para los sistemas de salud, las implicaciones son tanto operativas como clínicas. Las reducciones en las imágenes de seguimiento evitables, los diagnósticos invasivos y el aumento posterior tienen el potencial de mejorar la utilización de recursos y reducir los costos por paciente en todo el proceso de atención neurovascular. Si bien el impacto a largo plazo de estas plataformas seguirá evaluándose mediante una mayor implementación y validación clínica, la premisa subyacente es cada vez más clara: decisiones de clasificación más tempranas y más específicas para el paciente pueden remodelar significativamente tanto el flujo de trabajo clínico como la economía de la atención médica.

Lecciones más amplias para la IA clínica

Para Garigapuram, la transformación que se está produciendo en la atención neurovascular es un caso temprano de un cambio más amplio en la medicina. En su opinión, el futuro de la IA clínica pasa por sistemas integrados capaces de transformar los datos clínicos adquiridos de forma rutinaria en conocimientos prácticos que los médicos puedan utilizar dentro de la velocidad y las limitaciones de la prestación de atención diaria. Él cree que el mismo marco subyacente puede extenderse más allá de la medicina neurovascular a otras especialidades que involucran una toma de decisiones de alto riesgo, multimodal y urgente, incluida la cardiología, las imágenes oncológicas y la atención de accidentes cerebrovasculares agudos.

"Especialmente en la era de la IA, creo que este es el mejor momento y oportunidad para desarrollar la atención médica", dijo Garigapuram, expresando su creencia en un futuro de la medicina con una atención más personalizada y orientada a la precisión. También señaló que el principal desafío ya no es puramente técnico. El desafío difícil es diseñar sistemas en torno a las realidades de los flujos de trabajo clínicos desde el principio, garantizando que las nuevas tecnologías se integren naturalmente en la forma en que los médicos ya practican en lugar de introducir una complejidad operativa adicional.

Para Garigapuram, el éxito de la tecnología sanitaria traslacional se reduce en última instancia a un principio simple: sistemas que interpretan los datos clínicos que los médicos ya utilizan, producen resultados en los que los médicos pueden confiar y se adaptan a las necesidades reales de la atención diaria del paciente. Plataformas como AneuView™, Prithvinath Garigapuram y CARA Systems Inc., desarrolladas por, representan un ejemplo de cómo podría verse esa plantilla en la práctica, convirtiendo señales clínicas específicas del paciente en conocimientos de apoyo a las decisiones que pueden ayudar a los médicos a preparar la atención.