Aprovechando el poder del aprendizaje automático para mejorar la atención urológica
Ilustración: Fawn Gracey, Boston Children’s
La urodinámica, un grupo de pruebas que evalúan qué tan bien el cuerpo recolecta y luego libera la orina, puede ser crucial para diagnosticar problemas urológicos, particularmente en niños con defectos de la médula espinal y otras condiciones neurológicas. Si bien la urodinámica puede proporcionar a los médicos un amplio conjunto de datos, la interpretación de estas pruebas sigue sin estandarizarse. Eso puede dificultar que los urólogos lean y analicen los resultados de manera confiable, dice Hsin-Hsiao Scott Wang, MD, MPH, MBAn, urólogo en el Programa de Urodinámica del Boston Children’s Hospital.
Para abordar este problema, Wang y sus colegas desarrollaron un modelo predictivo basado en algoritmos de aprendizaje automático. Este enfoque promete mejorar la capacidad de los médicos para identificar con precisión la hiperactividad del detrusor (OD), un hallazgo urodinámico en el que el músculo detrusor de la vejiga se contrae sin control. A partir de un archivo de 799 estudios de urodinámica realizados en el Boston Children’s entre 2013 y 2019, identificaron cinco patrones representativos de DO. Luego crearon un algoritmo y evaluaron su rendimiento en la predicción de DO.
Sus resultados, publicados el 18 de noviembre de 2020 en Neurourology and Urodynamics, muestran que este modelo predictivo tuvo un gran rendimiento con un área bajo la curva superior a 0,8 y una precisión general del 81,35 %, una sensibilidad del 76,92 % y una especificidad de detección de eventos DO del 81,41 %. «Esperamos que esto pueda servir como piedra angular y base para futuras investigaciones que combinen la inteligencia artificial (IA) y la urodinámica», dice Wang.
Personalización de los estudios de UTI en niños
El aprendizaje automático también muestra promesa para ayudar a personalizar la evaluación y el tratamiento de niños con infecciones del tracto urinario (ITU). Los niños con infecciones urinarias febriles tienen un mayor riesgo de anomalías anatómicas, incluido el reflujo vesicoureteral (RVU), que a su vez se asocia con pielonefritis recurrente y cicatrización renal. Sin embargo, puede ser un desafío determinar qué niños con infecciones urinarias deben someterse a una evaluación adicional con una cistouretrografía miccional.
Para un estudio de julio de 2019, Wang y sus colegas del Departamento de Urología Infantil de Boston desarrollaron y aplicaron un modelo predictivo a datos de 500 pacientes pediátricos con UTI. Descubrieron que este modelo predijo las ITU recurrentes asociadas con RVU con un rendimiento muy sólido. El nuevo algoritmo de aprendizaje automático tiene el potencial de personalizar aún más el tratamiento de los niños con una ITU inicial e identificar a los que tienen más probabilidades de beneficiarse de una evaluación adicional. El modelo ahora está disponible como una aplicación gratuita llamada PredictVUR. El análisis preliminar muestra que este modelo ha sido de gran ayuda para el asesoramiento del paciente y la toma de decisiones compartida en el manejo de niños con UTI.
«Esperamos que al llevar el aprendizaje automático y la IA a la urología, nosotros, como urólogos, podamos brindar la mejor atención basada en datos y valor para nuestros pacientes y sus familias», dice Wang.
Explore más
Identificación de niños y adolescentes con riesgo de daño renal después de una primera infección del tracto urinario Más información: HsinHsiao Scott Wang et al. Algoritmo de reconocimiento de patrones para identificar la hiperactividad del detrusor en urodinámica, Neurourología y Urodinámica (2020). DOI: 10.1002/nau.24578 Proporcionado por Children’s Hospital Boston Cita: Aprovechando el poder del aprendizaje automático para mejorar la atención urológica (2021, 22 de enero) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/ news/2021-01-harnessing-power-machine-urology.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.