Una nueva tecnología puede identificar a las víctimas de la violencia de la pareja íntima cuatro años antes que otros sistemas de detección y con una precisión del 80%.
El Sistema Automatizado de Apoyo al Riesgo de Violencia de la Violencia de la Partida Intasis (AIRS) utiliza antecedentes clínicos y datos radiológicos para identificar a los pacientes vistos en la sala de emergencias que pueden estar en riesgo de violencia íntima de pareja (IPV). Desarrollado en los últimos cinco años, Airs se ha lanzado a las salas de emergencias del Hospital de Mujeres de Brigham and Women en Boston, así como en los sitios de atención primaria. Actualmente, la herramienta ha sido validada en el Centro Médico de la Universidad de California-San Francisco y está siendo evaluado por el Sistema de Salud Alameda para su papel en el flujo de trabajo clínico.
"La calidad del etiquetado de datos es una gran preocupación, no solo con el cuidado de la violencia de la pareja, sino en el aprendizaje automático para la atención médica y el aprendizaje automático, en términos generales", dice la cofundadora Irene Chen. "Nuestra esperanza es que con el entrenamiento, a los médicos se les pueda enseñar cómo detectar la violencia de la pareja íntima; esperamos encontrar un conjunto de etiquetas más limpias".
AIRS es un programa basado en IA que se ejecuta en los datos de registros de salud electrónicos. Se necesitan los datos de EHR de un paciente individual, incluidos los resultados de imágenes radiográficas pasadas y el historial clínico del paciente, y utiliza un algoritmo para evaluar el riesgo de un paciente y la gravedad de la IPV. Esto es seguido por un "estudio silencioso" donde el algoritmo hace recomendaciones para la atención al paciente para pacientes que han sido etiquetados como víctimas.
Tanto los datos radiológicos como los antecedentes clínicos del paciente han revelado para Chen y su cofundador Bharti Khurana. Por ejemplo, Chen compartió que muchas víctimas de violencia de pareja íntima que fueron detectadas a través de aires habían experimentado un cúbito roto (un hueso en el antebrazo), una lesión defensiva. Cuando se les preguntó, habían mentido que se habían caído pero no tenían el instinto de "captarse" a sí mismos, lo que es más probable que conduzca a una muñeca rota que a un cúbito roto. Las fracturas de cúbito señalaron un ataque de alguien desde arriba y fueron un fuerte indicador de IPV.
Los datos clínicos de Airs provienen de tres fuentes: los códigos de diagnóstico de pacientes (generalmente destinados a fines de facturación), ya sea que los pacientes opten a los recursos hospitalarios correlacionados con IPV (incluidos trabajadores sociales o asistencia legal) y la entrevista directa de los médicos para incorporar al algoritmo para aires. Esa última fuente de datos a menudo puede ser más desafiante, ya que muchos médicos, a pesar de sus años de capacitación, no se les enseña a detectar IPV. Esta brecha en el entrenamiento es significativa: un estudio de mayo de 2024 publicado en Naturaleza descubrió que solo el 25% de los casos de IPV se diagnostican correctamente, subrayando la necesidad de métodos de detección más sistemáticos como Airs.
Suzanne Freitag, directora del servicio de cirugía plástica oftálmica en Massachusetts Eye and Ear, que tiene décadas de experiencia en el tratamiento de las víctimas de IPV, advierte contra el tratamiento de la IA como una "fuente mágica de conocimiento" que puede reemplazar el entrenamiento de un clínico. Si bien cree en el poder de "reconocimiento de patrones" de los aires que es un sello distintivo de la radiología, Freitag sigue siendo cauteloso al usar la historia clínica del paciente como una "verdad fundamental" para el diagnóstico de IPV.
"Trato de tener cuidado de no estereotipar porque la violencia doméstica le ocurre a las personas de todas las etnias, estados socioeconómicos, sexualidades y niveles de educación", dice Freitag.
Chen y Khurana, por su parte, creen que la IA puede eliminar los sesgos implícitos para proporcionar un diagnóstico más claro para la victimización de IPV. Los dos se conectaron por primera vez en febrero de 2020, Khurana vio a Chen (entonces candidato a doctorado en ingeniería eléctrica e informática en el MIT) entregar una charla sobre sesgo algorítmico en medicina en Harvard; Poco después, Khurana, una profesora de radiología en la Facultad de Medicina de Harvard, abrochó a Chen para discutir la colaboración para aplicar el aprendizaje automático a la detección íntima de violencia de pareja. Cinco años y uno de $ 3.2 millones de Institutos Nacionales de Salud Subvención más tarde, Chen y Khurana no solo han construido y validado aires, sino que ahora están trabajando para expandir su implementación en múltiples redes hospitalarias.
El personal de trabajo social también ha sido crucial para la implementación de Airs en Brigham and Women’s Hospital, donde Chen y Khurana han aprovechado los registros de un programa existente llamado Primeway. Un recurso gratuito, voluntario y confidencial, pasaje permite a los pacientes afectados por IPV obtener acceso a trabajadores sociales y representación legal para buscar ayuda. Chen, aunque no está cegado por las imperfecciones de la implementación del aprendizaje automático en entornos clínicos, se refiere a "optimista" sobre la implementación de Airs. Ella señala un estudio de 2023 por el Centro de Investigación Pew que encontró que el 38% de una muestra de 10,000 estadounidenses creía que la IA mejoraría los resultados de los pacientes. Mientras el escepticismo de la IA está vivo, Chen siente que es importante no rendirse a ella.
Annie Lewis O’Connor, una enfermera practicante y fundadora del enfoque coordinado para la clínica de resiliencia y empoderamiento en Brigham, cree que los médicos y la tecnología deben trabajar en conjunto para atender a pacientes que experimentan violencia íntima de pareja. O’Connor, quien ayuda en el modelo de predicción de Airs, aprecia su ayuda para diagnosticar el "riesgo y gravedad de IPV", así como para ayudar con el "apoyo a las decisiones clínicas".
"Para comprender la usabilidad, la viabilidad y la aplicación de la IA y las herramientas de aprendizaje automático, debemos ser diligentes para recopilar evidencia sobre los resultados del uso de tales herramientas", escribe O’Connor en un correo electrónico. "(AI) es algo que complementa y ayuda al clínico en la atención y el tratamiento de pacientes que experimentan IPV".
