Inteligencia artificial apoya pronósticos médicos
Ante decisiones difíciles: Los médicos deben evaluar repetidamente el riesgo de que personas con enfermedades como el COVID-19 puedan morir. En el futuro, el algoritmo de Covews podría soportarlos. Su objetivo es ayudar a garantizar que el tratamiento se pueda ajustar a tiempo. Crédito: patrikslezak
Estimar el riesgo de muerte de los pacientes es posiblemente uno de los desafíos más difíciles y estresantes que enfrentan los médicos. Esto ha sido especialmente cierto en medio de la pandemia global de COVID-19, con médicos de todo el mundo que se enfrentan repetidamente a decisiones difíciles. En el mejor de los casos, han podido ajustar tratamientos y salvar vidas. Sin embargo, en el peor de los casos, los médicos tienen que asignar camas escasas y máquinas salvavidas en las unidades de cuidados intensivos. Un equipo internacional dirigido por investigadores del Instituto Max Planck para Sistemas Inteligentes ha desarrollado un algoritmo y lo ha entrenado con métodos de aprendizaje automático para ayudar a los profesionales médicos con las predicciones de mortalidad. El algoritmo también se puede entrenar para predecir el riesgo de mortalidad por otras enfermedades y, por lo tanto, ayudar a los médicos en los procesos de toma de decisiones.
Si bien los médicos de los hospitales recopilan una gran cantidad de datos médicos sobre sus pacientes, incluso los especialistas a menudo no pueden predecir si una enfermedad conducirá a la muerte de una persona hasta que sea demasiado tarde para salvarla. Con COVID-19, por ejemplo, la edad avanzada y las condiciones preexistentes son factores de riesgo relevantes para enfermedades graves, pero de ninguna manera son los únicos riesgos. La saturación de oxígeno, el recuento de glóbulos blancos y los niveles de creatinina también juegan un papel en los resultados de salud. «Con estos parámetros, incluso los médicos experimentados no pueden reconocer patrones claros que les permitan hacer predicciones sobre el riesgo de mortalidad con la suficiente antelación para ajustar el tratamiento en consecuencia», dice Stefan Bauer, líder del grupo de investigación en el Instituto Max Planck de Sistemas Inteligentes en Tbingen. Al reconocer patrones en los datos, el aprendizaje automático puede proporcionar un apoyo valioso.
Un equipo internacional dirigido por Stefan Bauer del Instituto Max Planck para Sistemas Inteligentes y Patrick Schwab, anteriormente de Roche, desarrolló un algoritmo y lo entrenó. para predecir el riesgo de mortalidad individual de los pacientes con COVID-19 basándose en los datos de miles de pacientes de todo el mundo. Llaman al algoritmo Covews, que es la abreviatura de «COVID-19 Early Warning System». Además de los científicos de Max Planck de Tbingen y Roche, también contribuyeron al proyecto de investigación investigadores de la Universidad de Harvard, la Escuela de Medicina de Harvard, el Instituto de Tecnología de Massachusetts, el Hospital Universitario de Tbingen y el hospital Cantonal de Winterthur. Su artículo «Predicción en tiempo real del riesgo de mortalidad relacionado con COVID-19 mediante registros de salud electrónicos» se publicó hoy en Nature Communications.
Predicciones con un 95 % de sensibilidad y casi un 70 % de especificidad
Basándose en datos médicos, Covews puede predecir de manera confiable el riesgo de muerte de un paciente con hasta ocho días de anticipación con una sensibilidad de más del 95 por ciento. Esto significa que en 95 de cada 100 casos, el algoritmo puede detectar si un paciente morirá a menos que se tomen medidas preventivas. Al mismo tiempo, Covews trabaja con una especificidad de poco menos del 70 por ciento para una predicción con ocho días de anticipación, lo que significa que en aproximadamente 70 de cada 100 casos en los que se predice la muerte, los pacientes finalmente mueren. En otras palabras, el algoritmo emite una falsa alarma en solo 30 de cada 100 casos y es significativamente mejor para horizontes de tiempo más cortos. El algoritmo también se puede entrenar para hacer predicciones menos sensibles, pero más específicas. «Pero detectar a todas las personas con un alto riesgo de mortalidad, si es posible, es más importante que predecir incorrectamente un alto riesgo en algunas», dice Stefan Bauer. Cuando ocurre esto último, se pueden tomar medidas terapéuticas especiales en más pacientes de los necesarios para evitar la muerte presunta.
Para desarrollar y especialmente entrenar Covews, los investigadores utilizaron 33 000 registros de datos anónimos de una cohorte llamada Optum, que realiza un seguimiento de los pacientes en varios hospitales de los Estados Unidos. Alimentaron al algoritmo con información sobre cómo evolucionaron varios parámetros de salud del paciente recopilados de forma rutinaria a lo largo de la enfermedad, y si la persona murió o no a causa de COVID-19. Como resultado, Covews aprendió a identificar patrones en los conjuntos de datos que indicaban un alto riesgo de mortalidad. Luego, el equipo internacional probó la precisión con la que Covews estimó este riesgo en aproximadamente otros 14,000 conjuntos de datos de la cohorte de Optum. «Sin embargo, nuestro algoritmo no solo predice el riesgo de mortalidad con un alto grado de certeza con conjuntos de datos de esta cohorte, sino también con datos de otros hospitales», dice Stefan Bauer. Los investigadores demostraron esto al probar Covews en datos de la red de salud global TriNetX, que incluye a unos 5000 pacientes con pruebas positivas de COVID en los EE. UU., Australia, India y Malasia. En estos casos de prueba en muchos hospitales y regiones diferentes alrededor del mundo, Covews también predijo el riesgo de mortalidad de manera muy sensible y específica.
Las decisiones de tratamiento siempre deben permanecer en manos de los médicos
Aunque Covews hace predicciones fiables, es probable que pase bastante tiempo antes de que se utilice en la práctica. «A menudo pasan varios años antes de que estas nuevas técnicas se utilicen en la práctica clínica diaria», dice Stefan Bauer. Esto se debe en parte a que, en muchos hospitales, los datos disponibles no están lo suficientemente estructurados, lo que hace que el desarrollo de un software adecuado basado en el algoritmo sea particularmente desafiante. En cualquier caso, al hacer que Covews esté disponible gratuitamente en Internet, los investigadores están sentando las bases para poner el algoritmo en práctica rápidamente. No solo podría usarse para pacientes con COVID-19; con la capacitación adecuada, también podría predecir el riesgo de mortalidad por otras enfermedades.
Como la mayoría de las predicciones que utilizan métodos de aprendizaje automático, las predicciones de Covews se derivan de correlaciones en lugar de relaciones causales. Las correlaciones pueden ser puramente estadísticas, lo que significa que no son causales. El equipo de Bauer también señala una limitación de los cálculos de Covews: es posible que el algoritmo prediga la interrupción del tratamiento en lugar de la mortalidad. En ese caso, las predicciones no se basarían únicamente en hechos médicos. Las consideraciones médicas no son los únicos factores que influyen en la decisión de suspender el tratamiento, dice Stefan Bauer. Las actitudes religiosas, culturales o personales también pueden llevar a las personas a dejar de someterse a un tratamiento. Por ejemplo, las personas generalmente pueden rechazar la respiración artificial o negarse a aceptar medidas para salvar vidas por temor a las consecuencias a largo plazo de una enfermedad. Además, los familiares o amigos a menudo tienen algo que decir en tales decisiones. «Por lo tanto, los médicos siempre deben decidir sobre las medidas de tratamiento», dice Stefan Bauer. «Sin embargo, nuestro algoritmo puede proporcionar información que las personas no pueden derivar de los datos y que puede ayudar con las decisiones médicas».
Explore más
Los investigadores de Geisinger descubren que la IA puede predecir el riesgo de muerte Más información: Patrick Schwab et al. Predicción en tiempo real de la mortalidad relacionada con COVID-19 utilizando registros de salud electrónicos, Nature Communications (2021). DOI: 10.1038/s41467-020-20816-7 Información del diario: Nature Communications
Proporcionado por Max Planck Society Cita: La inteligencia artificial apoya los pronósticos médicos (2021, febrero 18) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-02-artificial-intelligence-medical-prognoses.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.