Nueva aplicación reduce la mortalidad materna e infantil con ayuda de IA

En México, la mortalidad materna persiste como un grave problema de salud y constituye un gran desafío para el Sistema de Salud Pública.

Según la Organización Mundial de la Salud, cada día mueren alrededor de 830 mujeres en todo el mundo debido a complicaciones relacionadas con el embarazo o el parto.

Informes del Observatorio de Mortalidad Materna revelan que las entidades con mayor número de defunciones son: Guerrero, Veracruz, Chihuahua, Guanajuato, Puebla, Chiapas, Oaxaca y Michoacán, mientras que las principales causas de muerte son: hemorragia obstétrica (24%), seguido por hipertensión, proteinuria en el embarazo, edema, parto y puerperio o tiempo de recuperación (20.9%) y aborto (8.7%).

Con estos datos en mente, PROESAH, una asociación civil formada por un grupo de doctores, profesores y alumnos de la Universidad Autónoma de Guerrero, anunció el lanzamiento de una aplicación llamada LUZi, que utiliza tecnología de Inteligencia Artificial (IA) de IBM para analizar el riesgo obstétrico. El objetivo del proyecto es reducir la mortalidad materna e infantil, especialmente en las comunidades rurales de Guerrero, México.

Según datos de la Secretaría de Salud, hay 722 defunciones materno-infantiles al año en México.

Para mejorar el trabajo de las parteras, los médicos han estado trabajando en el desarrollo de LUZi para ayudarles a controlar el riesgo obstétrico. La aplicación se sincroniza con un hardware desarrollado por la startup dedicada al desarrollo de dispositivos médicos CatrinaSoftec. Consta de una serie de sensores que recopila datos de los signos vitales automáticamente.

Se ejecuta en el servicio de base de datos Cloudant, en IBM Cloud, y cuenta con un asistente virtual con IBM Watson para brindar apoyo con respuestas relacionadas con la información recopilada sobre los signos vitales de la embarazada y un cuestionario de orientación de los síntomas. También ofrece las capacidades de Watson Visual Recognition para permitir el análisis sencillo de las tiras reactivas de orina.

La tecnología de IA de IBM Watson nos está ayudando a monitorear de forma más fácil y rápida los embarazos y a tomar decisiones basadas en evidencia, de acuerdo con las normas y prácticas oficiales de la Secretaría de Salud. LUZi ofrece más de 270 mediciones durante todo el embarazo y ayuda a las mujeres a tener información diaria sobre su estado actual”, comentó la doctora Andrea Sarabia, perteneciente al grupo de especialistas que han desarrollado LUZi.

Sus desarrolladores esperan que LUZi pueda llegar a todas las comunidades, hogares y consultorios, especialmente en regiones remotas donde las personas tienen acceso limitado a hospitales.

Algunos de los datos que puede medir LUZi.

¿Cómo funciona?

La aplicación recibe información de signos vitales a través del dispositivo bluetooth. Compara los signos vitales con los parámetros dictados por la Secretaría de Salud de México basándose en los Estándares Oficiales de Salud (NOM) y las Pautas de Práctica Clínica (GPC); y hace una clasificación en un semáforo de riesgo.

Es capaz de identificar un problema en el momento de su aparición, ya que mide la respiración, glucosa, presión arterial, temperatura, prueba general de orina, contracciones, frecuencia cardíaca de la madre y el feto.

Un asistente virtual conversacional con IBM Watson hace preguntas al médico con base en las guías oficiales y la práctica clínica de un ginecólogo. Los datos resultantes de la obtención de los signos vitales y el semáforo obstétrico se almacenan en IBM Cloud. Cuenta con un administrador de perfiles para profesionales de la salud y un registro de pacientes que no incluye datos confidenciales.

Este sistema está dirigido a dos tipos de usuarios, personal de la salud como parteras, enfermeras, pasantes o médicos con acceso a un dispositivo móvil donde se toma el control del paciente y la embarazada que sigue un autocontrol.

En caso de riesgo, el sistema envía una alerta al teléfono del médico, notificando el hecho para su pronta atención.