Los modelos fisiológicos en simulación se utilizan cada vez más para respaldar el razonamiento clínico y están comenzando a aplicarse en la monitorización remota y la atención sanitaria personalizada. Al integrar biosensores, inteligencia artificial y simuladores basados en modelos, estas herramientas podrían ayudar a los médicos a comprender mejor las respuestas de los pacientes y anticipar los efectos de las intervenciones. Richard Helyer explora las aplicaciones actuales y el potencial futuro sin exagerar sus capacidades.
El auge de la monitorización en tiempo real
Imagina que estás en casa o en el trabajo y tu médico de cabecera está en su consulta observando «en directo» tus signos y variables fisiológicas clave. Tú no lo sabes, pero gracias a los datos de los biosensores implantados, se le ha alertado de un cambio en tu presión arterial, tus niveles de glucosa o tu ritmo cardíaco. Utilizando tu «gemelo digital», explora los efectos de un cambio en tu medicación u otra intervención a lo largo del tiempo. Se toman decisiones para tratar su problema de forma remota, los cambios en las dosis de los medicamentos se envían automáticamente a su farmacia en línea, se modifican los ajustes de un dispositivo implantado en su cerebro o, en el peor de los casos, se envía un mensaje a su dispositivo inteligente para que acuda a su clínica local. Ni siquiera sabe que ha visto a su médico de cabecera, y este pasa automáticamente al siguiente paciente que le ha señalado la inteligencia artificial (IA) en su lista.
¿Suena a ciencia ficción? Todo esto se basa en realidades que ya forman parte de nuestra vida.
Las tecnologías que impulsan los modelos fisiológicos en la simulación
Los biosensores ya se utilizan ampliamente, por ejemplo, en la monitorización de la glucosa. Podemos tragar una «píldora» electrónica para explorar el funcionamiento del tracto gastrointestinal. La telemetría permite cargar en la nube los datos de las variables monitorizadas. Los avances en informática e IA reconocen patrones en las variables, interpretan los datos y sugieren resultados sin intervención humana. Los dispositivos implantados ya pueden cambiar la frecuencia cardíaca, controlada desde fuera del cuerpo. Los electrodos que proporcionan estimulación cerebral profunda pueden controlar la presión arterial en personas resistentes al tratamiento y aliviar los síntomas de enfermedades degenerativas.
Por qué es importante el modelado fisiológico para una simulación realista y predictiva
Pero, ¿qué papel desempeña el modelado fisiológico en todo esto? ¿Por qué es fundamental? ¿Y cómo nos ha acercado el mundo de la simulación a la resolución de los retos cotidianos cada vez mayores en el ámbito de la asistencia sanitaria fuera del ámbito educativo?
Todos los simuladores son, en cierta medida, «gemelos digitales». En un simulador de vuelo del Airbus A320, se reproducen con precisión los controles de la cabina de pilotaje y sus efectos en el comportamiento de la aeronave. El simulador se comporta igual que el avión real, incluso en su respuesta a las fuerzas externas: es un gemelo digital. Del mismo modo, un simulador para el puente de un petrolero permite al capitán y al piloto del puerto practicar el atraque del barco en su muelle. En ingeniería, los gemelos digitales se utilizan para probar cómo se comportarán los componentes críticos bajo tensión, por ejemplo, las turbinas de los aviones o las estructuras de soporte de un puente de carretera.
La precisión es fundamental: el simulador debe comportarse como el real, de lo contrario el aprendizaje es defectuoso.
Del mismo modo, en nuestra práctica de la simulación sanitaria nos esforzamos por alcanzar el realismo, ya sea físico, háptico, conductual o en la precisión de los signos fisiológicos y las señales monitorizadas. Y aquí es donde entra en juego el modelado fisiológico. Los simuladores con un modelo fisiológico son ya, en mayor o menor medida, un gemelo de nuestro paciente. Tomemos, por ejemplo, el simulador de pacientes humanos basado en modelos Elevate Maestro Evolve (Elevate Healthcare, Sarasota, Florida, EE. UU.). Este permite a los alumnos experimentar cambios en tiempo real en los signos y señales de pacientes virtuales, y ver el éxito o el fracaso de una intervención en tiempo real.
Hacia gemelos digitales personalizados: enfoques descendentes y ascendentes
Por supuesto, la precisión de las respuestas del gemelo depende de la calidad de los datos en los que se basa el modelo y de la precisión de sus algoritmos. Pero ya tenemos cierta capacidad para poner a prueba las hipótesis y predicciones de nuestros alumnos: es decir, ¿cómo cambiarán los signos con el tiempo si nuestro paciente se deteriora o cuando le aplicamos un tratamiento? Y ya tenemos la capacidad de detener a nuestro gemelo o acelerar los efectos y mirar hacia su futuro.
Mientras que Elevate Maestro adopta un enfoque «descendente» del modelo fisiológico que permite la manipulación de parámetros fisiológicos clave, como la contractilidad ventricular o la capacitancia venosa, AIBody (Londres, Reino Unido) adopta un enfoque «ascendente». En este caso, una biblioteca de modelos interconectados permite la manipulación de parámetros bioquímicos a nivel celular, lo que produce efectos en los tejidos, los órganos y, finalmente, cambios en las señales monitorizadas a nivel de todo el cuerpo.
¿Son ya una realidad los gemelos digitales para la práctica sanitaria? Todavía no hemos llegado a ese punto. Las simulaciones actuales aún no son lo suficientemente rigurosas como para representar completamente a los pacientes con la precisión necesaria para predecir los efectos de intervenciones críticas con seguridad. Pero estamos cerca, ya en la Universidad de Bristol parte de nuestra enseñanza se basa en el «hombre de Bristol», un poco sobrepeso, de mediana edad, algo hipertenso y, por lo tanto, más parecido a un gemelo digital de este autor.
Conclusión
Los avances realizados en el desarrollo de modelos fisiológicos para la enseñanza basada en la simulación, ya sea de arriba abajo o de abajo arriba, nos han puesto en el camino para acercarnos a la realidad de los gemelos digitales individuales como herramientas para personalizar la asistencia sanitaria. Los modelos fisiológicos no solo sirven para el aprendizaje basado en la simulación, sino que constituirán la base de la atención al paciente en un futuro próximo.
CONFLICTOS DE INTERÉS
En aras de la transparencia y para ayudar a los lectores a formarse su propia opinión sobre posibles sesgos, describa cualquier conflicto de intereses (o la ausencia de ellos) por su parte y por parte de todos los autores que hayan contribuido. El único objetivo es preservar la objetividad, la integridad y el valor de la publicación. Si tiene dudas sobre la necesidad de declarar un conflicto de intereses, consulte al editor de nuestra revista, que le orientará sobre la línea de conducta adecuada. Si no hay conflictos de intereses que declarar, se añadirá la siguiente declaración al artículo: «El autor declara no tener conflictos de intereses y ser independiente tanto de Elevate Healthcare como de AI Body».
LEER TAMBIÉN
