Notas
Presentación
Esquema
1
Gestión del Conocimiento en Anatomía Patológica
  • Dr. Marcial García Rojo  marcial@cim.es
  • Complejo Hospitalario de Ciudad Real
  • Sociedad Española de Informática de la Salud
2
Índice
  • Gestión del Conocimiento. Generalidades
  • GC en Medicina: U. Kansas, KMC (Reino Unido), Medline y GC.
  • Generación del Conocimiento en Patología
  • Innovaciones, Informática y GC
  • Patología Basada en la Evidencia


3
Generalidades sobre
Gestión del Conocimiento
  • Trabajar con el conocimiento
  • Definición de Gestión del conocimiento
  • Tecnologías aplicables
4
Trabajar con el Conocimiento
  • Captura, codificación, almacenamiento, explotación, difusión de conocimiento explícito.
  • Áreas de contacto, videoconferencias, espacios físicos de sesiones.
  • Fomentar programas de formación
  • Internet: Analistas de contenidos, para determinar qué tipo de información es valiosa para la organización, ser evaluadores de sitios web para aconsejar enlaces externos, ser editores de páginas web, ser profesores sobre cómo crear páginas, cómo incorporar información y cómo buscar.
5
De la empresa al microscopio
  • “La Gestión del Conocimiento es la identificación, optimización y gestión dinámica de los activos intelectuales de una organización”
  • Tecnologías: data warehousing, minería de datos, acceso a bases de datos, recuperación de información, clasificación de documentos, herramientas de trabajo en grupo, etc.
  • El propósito de estas disciplinas es: recoger, almacenar y diseminar adecuadamente el "saber" distribuido entre los individuos y los procesos.
  • No ERP (Enterprise Resource Planning) y sí Estación de Trabajo Integrada
6
Gestión del Conocimiento en Medicina
  • Herramientas de GC
  • Experiencias: U. Kansas, KMC (Reino Unido)
  • Resultado tras búsqueda en Medline sobre GC
7
Gestión Conocimiento y Medicina
  • Herramientas de GC en 6 áreas (Rodrigues, 2000):
    • BBDD de referencia (Cochrane, Revistas...)
    • Datos del contexto (local, casos)
    • Archivos de datos clínicos (Hª Clínica Electrónica)
    • Archivos de datos administrativos
    • Software de apoyo a la decisión
    • Información y Comunicación interactiva basada en Internet.
    • Todas: Fuentes de la Práctica basada en la Evidencia

8
Práctica Basada en la Evidencia: OMS
9
Gestión del Conocimiento en la Universidad de Kansas
  • A principios de 2000 se creó la unidad para el desarrollo y gestión de bases de datos, modelos de datos, almacenamiento, técnicas de calidad, metadatos, reglas de negocio, modelos de procesos, etc.,
  • con el fin de desarrollar un entorno de apoyo a la decisión que proporcione integración de datos en todo el Centro Médico y envío personalizado de información basada en web en las áreas administrativa, educativa e investigadora
10
Knowledge Management Centre  Reino Unido. Fuentes (44 gratuitas)
  • The Cochrane Library http://www.update-software.com/cochrane/
  • The National Research Register (Proyectos) http://www.update-software.com/National/
  • NHS Centre for Reviews and Dissemination (CRD) http://agatha.york.ac.uk/welcome.htm
  • PEDro: The Physiotherapy Evidence Database http://ptwww.cchs.usyd.edu.au/pedro/
  • PubMed. http://www.ncbi.nlm.nih.gov/PubMed/
  • The TRIP Database. http://www.tripdatabase.com/
  • Wellcome Information Service Catalogue  (libros) http://library.wellcome.ac.uk/search~b01a01o01c01i01/
11
Gestión Conocimiento y Medline
 114 citas (4/11/2001): 1 Patología (1990)
  • Apoyo a la decisión:
    • Global o “Memoria Corporativa” (Abidi; Louw et al; Hughes; Wyatt, 2001; Lancet, Woodcock; Strawser, 2000)
    • Data warehousing (Shams & Farishta, 2001)
    • Diabetes (Montani & Bellazzi, 2000 y 2001)
  • Inteligencia Artificial
    • Difundir guías cl. basadas en evidencia (Stefanelli, 2001)
    • Neurociencias (Burns, 2001)
  • GC y Sistemas de Información:
    • Usar sólo los elementos de GC útiles (Malone, 2001)
    • Software (Pojasek et al, 2001)

12
Gestión Conocimiento y Medline
  • Apoyo a la decisión y recuperación inteligente de conocimiento (Montani & Bellazzi, 2001):
    • Guías Clínicas (basadas en evidencias)
    • Razonamiento Basado en Casos (CBR)
    • Razonamiento Basado en Reglas
    • Razonamiento Multi Modal (2&3): detección de contexto, recuperación de información, revisión de tratamiento en diabetes
  • Modelo computacional (model knowledge) del contenido publicado en la literatura:
    • Programa para Delimitar el circuito neuronal envuelto en cada comportamiento (Burns, 2001).


13
Gestión del Conocimiento en Anatomía Patológica (Patología): Generación
  • Generación del Conocimiento, Investigación
14
¿Gestión Conocimiento en
Anatomía Patológica?
  • La GC es 20% tecnología y 80% cambio cultural: Compartir Conocimiento
    (tácito y explícito)
15
Gestión Conocimiento en
Anatomía Patológica
  • No es necesario un Gestor del Conocimiento, sino integrar la GC en la organización.
  • Conectar:
    • a la gente adecuada con la gente adecuada  y
    • a la gente con la información adecuada y
    • estimular el aprendizaje, más que permitir el acceso a grandes bases de datos
  • Conseguir la información correcta para la persona correcta en el momento adecuado para tomar la mejor decisión.
  • Informática + Medicina Basada en la Evidencia
16
Generar Conocimiento
17
Fuentes de Información
18
El espectro del conocimiento
19
Evolución en la información
  • El Informe AP sólo incluye parte del K.
20
Líneas de investigación
  • Análisis de imagen: 3D (confocal, reconstrucción)
  • Interpretación y clasificación automáticas
  • Control de calidad informatizado
  • Correlación morfológica y funcional: PET
  • Matrices de tejidos y de ADN
  • Ecografía en salas de autopsia, tallado,...
  • Establecer el origen de metástasis
21
Gestión del Conocimiento en Patología: Innovaciones
  • Innovaciones en Anatomía Patológica
  • Informática y Gestión del Conocimiento
  • Herramientas de ayuda al diagnóstico
22
Innovaciones incrementales y disruptivas
  • Innovaciones incrementales (“de mejora continua”):
    • Mejora en organización, en procesamiento de tejidos y citologías...
  • Innovaciones radicales (“disruptivas”)
    • Aplicación de biología molecular e inmunohistoquímica, que incluso han dado lugar a cambios de clasificaciones de enfermedades.

23
¿Qué es el “Knowledgeware”?
  • Aporta respuestas a preguntas básicas (quién, qué, experienc.)
  • Evolución del “Groupware” (“mucho reciclaje”)
  • Dos grandes tendencias:
    • Centrada en “el contenido”:
      • Primar la captura de la información, estructurarla, y hacerla accesible mediante potentes motores de búsqueda
    • Centrada en “la gente” (acceso a expertos)
  • Recurso general a grandes repositorios de información de todo tipo:
    • Apoyo universal en bases de datos de documentos (no estructuradas y estructuradas)
    • Indexación de documentos
    • “Metatags” insertos en la información (XML)
    • Metainformación de apoyo
24
Programas estándar (Microsoft)
  • Colaboración: Office, Exchange, Netmeeting, Messenger (XP)
  • Gestión de contenidos: Exchange, Site Server, Office, Content Manager, MapPoint de Office (clasif.,workflow...)
  • “Bussiness Inteligence” y data warehouse: Office, SQL Server
  • Capturar y compartir: Site Server
  • Portales: SharePoint Portal Server y Content Management Server
  • Gestión del Conocimiento usando la plataforma  .NET (U. Habana): http://www.gestiondelconocimiento.com/documentos2/rene/tec.htm
25
Herramientas de ayuda a la decisión
  • Programas de apoyo a la decisión y recuperación inteligente de conocimiento.
  • Modelo computacional (model knowledge) que analizan y extraen conclusiones del contenido publicado en la literatura.
  • Ejemplos de programas informáticos: DXplain, POEMS, PEIRS, etc.


26
Estrategias en Salud
Tecnología disruptiva
  • Portales corporativos (de empleados): De Intranet a Redes de datos interconectadas accesibles desde cualquier lugar, con numerosos servicios, programas y utilidades corporativos.
  • Se prefieren los Planes de Salud que incorporan Internet
  • Conectar a los profesionales. Estimular el auto-servicio y la innovación
  • Ejemplos (EEUU): Kaiser Permanente, Humana, UnitedHealthcare, Aetna, Health Net Inc.
  • http://www.openclinical.org/  OpenClinical Knowledge management for healthcare


27
Dificultades del Portal
  • El Coste del convertir sistemas anteriores:
    • Transferencias (Insalud - CCAA) à Nuevos acuerdos con empresas
    • Interconexión más fácil con esta nueva tecnología
  • Selección de usuarios con determinadas características.
  • Presión para desarrollar soluciones.


28
Herramientas relacionadas:
 APIII 2001
  • Codificación XML de micromatrices (arrays) de tejidos. Federico Monzon, Thomas Jefferson University Hospital. Philadelphia, EEUU.
  • Patólogos investigadores, bancos de tejidos y Data Warehouse. Sujin Kim. UPMC. Pittsburg. EEUU.
  • Portal para Residentes y Herramientas de colaboración: http://residents.pathology.pitt.edu/
  • Herramientas para la clasificación molecular de enfermedades. Dra. Edgerton. Valderbilt Univ.
  • PDA: PalmPath, iPath (PocketPc)
      (PalmPilot: 694 programas en http://www.healthypalmpilot.com/)
29
Complejo Hospitalario Ciudad Real
Nuestros Primeros Pasos
  • Sistema Experto de apoyo al Diagnóstico Dermatopatológico: 150 enfermedades (modelo PathFinder)
  • Técnicas Especiales: Solicitud, Resultados
  • CD-ROMs (bibliografía, técnicas)
  • Control de Calidad: Estudio de antecedentes
  • Estadísticas: Patologías, Servicios, ...
  • Intranet / Internet : Medline, Current Contents (ISI), Cochrane, Oncolink
  • Fase actual: Integración total con el Sistema de Información y Internet/Intranet
30
Apoyo al Diagnóstico en Patología
31
Indexación de imágenes
  • Indización automática de un archivo de > 5.000 imágenes de patología mediante UMLS (Unified Medical Language System de la NLM) a partir de texto descriptivo.
  • Resultado:
    • Poco específico
    • No hay forma de organizar jerárquicamente las imágenes
    • Es útil si se buscan términos genéricos
  • Hospital Johns Hopkins. Baltimore.
  • http://www.netautopsy.org/apep99im.htm
32
Interpretación de imágenes
  • Biblioteca de imágenes: Sistemas que almacenan, indexan y muestran adecuadamente imágenes de grandes bases de datos de imágenes (>100,000). Incluyen mecanismos para indexas texto asociado e indexar las imágenes en base a su propio  contenido (Universidad de Pensilvania)
  • Sistema de búsqueda de imágenes basado en su contenido. El motor de búsqueda de imágenes reside en un superordenador, que realiza el procesado de imágenes, extracción de características, comparación, y acceso a la base de datos (Zheng, L. University of Pittsburgh.  APIII-99)
  • Algoritmos basados en “wavelets” permiten clasificar las imágenes en 4 tipos: fondo, fotografía, texto y gráfico.
  • El modelo oculto de Markov usando vectores de características permite clasificar de imágenes (Li J, Gray RM, Olshen RA)
33
En uso: Citología CV
    • AutoPap (TriPath)
  • Su utilización permite detectar mayor número de lesiones del cérvix:
    • Reducción de falsos negativos en un 33% - 44%.
    • Reducción de falsos positivos en un 16%
    • Precisión de un 99,6%
34
Apoyo al Diagnóstico en Patología
  • Revisión de sistemas expertos interactivos basados en el conocimiento.
  • Éxito en el cribaje citológico.
  • Desafío: Desarrollo de clasificadores automáticos basados en el análisis de imágenes histopatológicas
  • “En busca de un sendero  diagnóstico” Metodología para estudiar la búsqueda visual, representación del conocimiento y Razonamiento Médico en el Diagnóstico Microscópico. (Crowley, R. University of Pittsburgh. APIII-99)
35
Recientes Desarrollos en Apoyo al Dg.
  • Global: Definir y medir el valor de la información clínica (Marques & McDonald, 2000)
  • Digestivo: Pronóstico en Poliposis adenomatosa familiar (Vasen et al, 2001)
  • Hematopatología: Inmunotipaje, almacenes inteligentes de imágenes y telemicroscopía (Foran et al, 2000)
  • Endocrino: Coste-beneficio PAAF y Gammagrafía en suprarrenal (Dwamena et al, 1998)
36
Limitaciones del Apoyo al Diagnóstico
  • Con frecuencia son herramientas de búsqueda. El juicio clínico es el elemento fundamental.
  • Las interacciones entre enfermedades ( +/- fármacos) son poco conocidas.
  • No convergen información clínica + laboratorio + morfología + molecular
  • “Web-based education”: Separación artificial entre auto-aprendizaje y apoyo a la decisión clínica.
37
Patología Basada en la Evidencia
  • Medicina basada en la evidencia
  • Patología basada en la evidencia. Fuentes
  • Estandarización frente a la variabilidad


38
Medicina Basada en la Evidencia
  • Para pasar de la evidencia científica a la práctica asistencial se necesitan 3 pasos:
    • obtener fácilmente la evidencia científica,
    • elaborar guías de práctica clínica para la asistencia y
    • aplicar las guías individualmente y correctamente a los pacientes.
39
Niveles de evidencia científica
(de mayor a menor)
  • Ensayo aleatorizado y controlado diseñado de forma apropiada.
  • Ensayo controlado bien diseñados, sin aleatorización.
  • Estudios de cohorte o caso-control bien diseñados, realizados preferentemente en más de un centro o por un grupo de investigación.
  • Múltiples series comparadas en el tiempo con o sin intervención.
  • Opiniones basadas en experiencias, estudios descriptivos o informes de comités de expertos.
40
Patología Basada en la Evidencia
  • Los hallazgos moleculares complementan, no sustituyen a la histopatología clásica. Ejemplo: hemocromatosis, cáncer de mama.
  • Problemas a la hora de seleccionar las técnicas especiales más adecuadas.
  • La evidencia frente a los expertos
41
Fuentes de Patología Basada en la Evidencia
  • Centro Cochrane Iberoamericano  http://www.cochrane.es/Castellano/
  • Revisiones sobre efectividad (DARE) http://agatha.york.ac.uk/
  • NeLH (National electronic Library for Health) http://www.nelh.nhs.uk/
  • Agencia para la Investigación y Calidad en Salud (AHRQ) http://www.ahcpr.gov/
  • Red de Guías Intercolegiadas Escocesas http://www.sign.ac.uk/
  • National Guidelines Clearinghouse http://www.guideline.gov/
  • Bandolier (revista) http://www.jr2.ox.ac.uk/bandolier/
42
Guías clínicas en Patología
  • Sistema Bethesda 2001 para protocolizar el informe de citología cervicovaginal. http://jama.ama-assn.org/issues/v287n16/ffull/jst10014.html
  • Guía de consenso de la ASCCP http://www.asccp.org/
  • Guía multidisciplinaria cáncer laringe de Holanda. (Kaanders, 2002)
  • Informe AP en el cáncer de mama  (Going, 2001)
  • Colegio Americano de Patólogos
43
Estandarización contra la variabilidad
  • Se han desarrollado técnicas para detectar automáticamente la variabilidad excesiva en los diagnósticos anatomopatológicos.
  • Una solución es el uso de manual de procedimientos, informes estandarizados, guías clínicas
44
Utilidad de GC en Patología
  • Imagen no es sinónimo de Diagnóstico
  • Signos variables entre casos
  • Resaltar indicadores pronósticos válidos
  • Seleccionar técnicas adecuadas a cada caso.
  • Adecuar el informe a las necesidades del médico solicitante
  • Control de calidad de todo el proceso
  • Actualización: Redefinir protocolos
45
Conclusiones
  • Investigación o generación del conocimiento: grandes líneas de investigación y fuentes de información más prestigiosas.
  • Innovación o aplicación del conocimiento para la mejora de la calidad asistencial.
  • Incorporación del conocimiento a la práctica clínica: Patología basada en la evidencia



46
Referencias en Internet
47
Bibliografía
  • Libro Blanco de la Sociedad de la Información en Galicia. Sanidad. http://www.xunta.es/conselle/cultura/libroblanco/
  • Centro Americano de Productividad y Calidad. http://www.apqc.org/km/
  • Picas Vidal JM. Gestión del conocimiento. INFORMED 2000. Toledo, 4-6 de octubre de 2000. http://www.seis.es/informed2000/programa.htm
  • García Rojo M. Gestión del Conocimiento y las Nuevas Tecnologías de la Información. Informática y Salud 2001; 33: 230-231. http://www.seis.es/simo/2001.htm
  • Gost J, Astier P, Bermejo B, Silvestre C, Chivite MT. Tecnologías de la información y comunicación: su impacto en la gestión de los servicios de salud. http://www.alass.org/es/Actas/109-E.doc