Desarrollo del simulador conversacional o chatbot Antidotos_bot para el manejo de intoxicaciones
Resumen
Objetivo: Describir el desarrollo del simulador conversacional Antidotos_bot, para facilitar la búsqueda de información en la Guía de administración de Antídotos y realizar cálculos útiles en el uso de antídotos.
Método: En enero de 2019 planteamos el desarrollo de un simulador conversacional de libre acceso en Telegram®, empleando la plataforma Xenioo®. En el desarrollo del software se definió la forma de interacción con el usuario y se incorporaron funcionalidades de cálculo. Se realizó una validación interna y en junio de 2019 se presentó Antidotos_bot.
Resultados: Antidotos_bot incorporó información en castellano sobre 49 antídotos en 57 intoxicaciones, permitiendo realizar tres tipos de cálculos y consultar dos algoritmos de tratamiento. La consulta fue posible mediante 332 preguntas. La validación interna precisó cinco entrenamientos diferentes durante 2 meses. En julio 2020, Antidotos_bot tenía 415 usuarios y los antídotos más consultados fueron glucagón, penicilina G, protamina, n-acetilcisteína y flumazenilo. Mensualmente fueron realizados 29 cálculos, el número medio de nuevos usuarios fue de 3 y el número medio de consultas por usuario fue de 3.
Conclusiones: Antidotos_bot es una herramienta de apoyo en la toma de decisiones en intoxicaciones, que proporciona información actualizada de forma ágil, y podría contribuir a mejorar la calidad y seguridad asistencial en situaciones de emergencia.
Palabras clave
Referencias
European Commission. eHealth Action Plan 2012-2020: Innovative healthcare for the 21st century [Internet]. Bruselas: Publications Office; 2012 [accessed 10/27/2020]. Available at: https://www.europarl.europa.eu/meetdocs/2009_2014/documents/c om/com_com%282012%290736_/com_com%282012%290736_en. pdf
European Commission. Joint Research Centre. Artificial intelligence in medicine and healthcare: applications, availability and societal impact [Internet]. Bruselas: Publications Office; 2020 [accessed 10/22/2020]. Available at: https://data. europa.eu/doi/10.2760/047666
Caballero-Villarraso JC, Tabares AR, Gavilán-León FJ, Baena- García M, Díaz-Vegas FJ. Aplicación de algoritmos genéticos y sistemas expertos en medicina asistencial. Aplicaciones clínicas de la inteligencia artificial [Internet]. Sevilla: Agencia de Evaluación de Tecnologías Sanitarias de Andalucía; 2009 [accessed 11/30/2020]. Available at: https://www.aetsa.org/download/publicaciones/antiguas/AETSA_20 09-6_Algoritmos_geneticos.pdf
Safi Z, Abd-Alrazaq A, Khalifa M, Househ M. Technical Aspects of Developing Chatbots for Medical Applications: Scoping Review. J Med Internet Res. 2020;22(12): e19127. DOI: 10.2196/19127
Tudor Car L, Dhinagaran DA, Kyaw BM, Kowatsch T, Joty S, Theng YL, et al. Conversational Agents in Health Care: Scoping Review and Conceptual Analysis. J Med Internet Res. 2020;22(8): e17158. DOI: 10.2196/17158
Crutzen R, Peters GJY, Portugal SD, Fisser EM, Grolleman JJ. An artificially intelligent chat agent that answers adolescents’ questions related to sex, drugs, and alcohol: an exploratory study. J Adolesc Health Off Publ Soc Adolesc Med. 2011;48(5):514‑9. DOI: 10.1016/j.jadohealth.2010.09.002
García Queiruga M, Porta Sánchez Á. Guía de administración de antídotos. 2.a ed. A Coruña: Xunta de Galicia; 2018. 91 p.
Greene A, Greene CC, Greene C. Artificial intelligence, chatbots, and the future of medicine. Lancet Oncol. 2019;20(4):481-2. DOI: 10.1016/S1470-2045(19)30142-1
Martínez-Miranda J, Martínez A, Ramos R, Aguilar H, Jiménez L, Arias H, et al. Assessment of users’ acceptability of a mobile-based embodied conversational agent for the prevention and detection of suicidal behaviour. J Med Syst. 2019;43(8):246.
Nadarzynski T, Miles O, Cowie A, Ridge D. Acceptability of artificial intelligence (AI)-led chatbot services in healthcare: A mixed-methods study. Digit Health. 2019;5: 2055207619871808. DOI: 10.1177/2055207619871808
MSD Salute BOT [Internet] [accessed 10/25/2020]. Available at: https://www.msdsalute.it/risorse-professionali/notizie-detail.xhtml? code=tcm:5392-831369#
Babylon US. Babylon Health [Internet]. Babylon Inc; 2020 [accessed 10/05/2020]. Available at: https://www.babylonhealth.com/us
Ávila-Tomás JF, Olano-Espinosa E, Minué-Lorenzo C, Martínez-Suberbiola FJ, Matilla-Pardo B, Serrano-Serrano ME, et al. Effectiveness of a chat-bot for the adult population to quit smoking: protocol of a pragmatic clinical trial in primary care (Dejal@). BMC Med Inform Decis Mak. 2019;19(1):249. DOI: 10.1186/s12911-019- 0972-z
Inkster B, Sarda S, Subramanian V. An Empathy-Driven, Conversational Artificial Intelligence Agent (Wysa) for Digital Mental Well-Being: Real-World Data Evaluation Mixed-Methods Study. JMIR MHealth UHealth. 2018;6(11): e12106. DOI: 10.2196/12106
Panel de Hogares CNMC sobre Usos de Internet, Audiovisual y OTT del I semestre de 2019 [Internet]. Madrid: Comisión Nacional de los Mercados y la Competencia; 2019 [accessed 01/30/2021]. Available at: http://data.cnmc.es/datagraph/
DOI: http://dx.doi.org/10.7399%2Ffh.11620
Enlaces refback
- No hay ningún enlace refback.
Incluida en:
Farmacia Hospitalaria
Sociedad Española de Farmacia Hospitalaria. C/ Serrano n. 40 2º Dcha. - 28001 Madrid
eISSN: 2171-8695
ISSN-L: 1130-6343
Dep. Legal: M-39835-2012
Correo electrónico de contacto: [email protected]
Los artículos publicados en esta revista se distribuyen con la licencia: Creative Commons Attribution 4.0.
La revista Farmacia Hospitalaria no cobra tasas por el envío de trabajos, ni tampoco cuotas por la publicación de sus artículos.