Investigadores crean un algoritmo de inteligencia artificial para mejorar la puntualidad y la precisión de las predicciones de sepsis
Crédito: Pixabay/CC0 Dominio público
Cada año, la sepsis afecta a más de 30 millones de personas en todo el mundo y provoca unas seis millones de muertes. La sepsis es la respuesta extrema del cuerpo a una infección y, a menudo, pone en peligro la vida.
Dado que cada hora de retraso en el tratamiento puede aumentar las probabilidades de muerte entre un cuatro y un ocho por ciento, las predicciones oportunas y precisas de sepsis son cruciales para reducir la morbilidad y la mortalidad. Con ese fin, varias organizaciones de atención médica han implementado análisis predictivos para ayudar a identificar a los pacientes con sepsis mediante el uso de datos de registros médicos electrónicos (EMR).
Un equipo de investigación internacional, que incluye científicos de datos, médicos e ingenieros de McMaster University y St. Joseph’s Healthcare Hamilton, han creado un algoritmo predictivo de inteligencia artificial (IA) que mejora en gran medida la puntualidad y la precisión de las predicciones de sepsis basadas en datos.
«La sepsis se puede predecir con mucha precisión y muy pronto usando IA con datos clínicos, pero las preguntas clave para el médico y los científicos de datos son cuántos datos históricos necesitan estos algoritmos para hacer predicciones precisas y con qué anticipación pueden predecir la sepsis con precisión», dijo Manaf Zargoush, coautor del estudio y profesor asistente de política y gestión de la salud en la Escuela de Negocios DeGroote de McMaster.
Para predecir la sepsis en entornos de atención clínica, algunos sistemas utilizan datos de EMR con herramientas de calificación de enfermedades para determinar las puntuaciones de riesgo de sepsis, actuando esencialmente como herramientas de evaluación automatizadas y digitales. Los sistemas más avanzados emplean análisis predictivos, como algoritmos de IA, para ir más allá de la evaluación de riesgos e identificar la sepsis en sí misma.
Usando análisis predictivos de IA, los investigadores crearon un algoritmo llamado Memoria bidireccional a largo plazo (BiLSTM). Examina varias variables en cuatro dominios clave: variables administrativas (p. ej., duración de la estancia en la Unidad de Cuidados Intensivos (UCI), horas entre el ingreso en el hospital y la UCI, etc.), signos vitales (p. ej., frecuencia cardíaca y oximetría de pulso, etc.) , datos demográficos (p. ej., edad y sexo) y pruebas de laboratorio (p. ej., glucosa sérica, creatinina, recuento de plaquetas, etc.). En comparación con otros algoritmos, BiLSTM es un subconjunto más complejo de aprendizaje automático llamado aprendizaje profundo que utiliza redes neuronales para aumentar su poder predictivo.
El estudio comparó BiLSTM con otros seis algoritmos de aprendizaje automático y descubrió que era superior a los demás en términos de precisión. Mejorar la precisión al reducir los falsos positivos es clave para un algoritmo exitoso, ya que estos errores no solo desperdician recursos médicos, sino que también erosionan la confianza de los médicos en el algoritmo.
Curiosamente, el estudio encontró que la precisión predictiva puede ser aumentado a través de algoritmos que se enfocan más en los puntos de datos recientes de un paciente, en lugar de mirar hacia atrás para incluir tantos puntos de datos como sea posible.
Los investigadores notaron que es comprensible que los médicos se inclinen a completar el algoritmo con tantos puntos de datos como sea posible durante un largo período de tiempo. Sin embargo, sus hallazgos sugieren que cuando el propósito de la predicción es ser preciso y oportuno con respecto a las predicciones de sepsis, los médicos con horizontes de predicción largos deben confiar más en los pocos datos clínicos del paciente, pero más recientes.
«St. Joe’s lanzará un proyecto piloto de computación cognitiva a fines de noviembre que incluye comprender cómo se puede usar la IA para ayudar a predecir la sepsis en pacientes reales y en tiempo real», dijo Dan Perri, coautor del estudio, médico y director de información de St. Cuidado de la salud de Joseph Hamilton. También es profesor asociado de medicina en McMaster.
«Comprender la amplitud y el alcance de los datos que permiten la predicción de la sepsis es importante para cualquier organización que busque usar IA para salvar vidas de infecciones graves», agregó Perri.
«Los aprendizajes de los modelos de sepsis se traducen en la creación de mejores herramientas de aprendizaje automático que conducen a una intervención temprana adecuada para algunos de los pacientes más enfermos, al mismo tiempo que se evitan advertencias innecesarias que podrían provocar fatiga en los trabajadores de la salud».
El estudio fue publicado en la revista Nature Scientific Reports.
Explore más
Salud del consumidor: la sepsis es grave Más información: Manaf Zargoush et al, El impacto de la actualidad y la adecuación de la información histórica en las predicciones de sepsis mediante el aprendizaje automático, Scientific Reports (2021) ). DOI: 10.1038/s41598-021-00220-x Información de la revista: Informes científicos
Proporcionado por la Universidad McMaster Cita: Los investigadores crean un algoritmo de IA para mejorar la puntualidad, la precisión de predicciones de sepsis (2021, 24 de noviembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-11-ai-algorithm-timeliness-accuracy-sepsis.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.