La información registrada a lo largo del tiempo en los registros médicos brinda más información sobre enfermedades
Crédito: CC0 Public Domain
Los registros de salud electrónicos (EHR, por sus siglas en inglés) contienen información importante sobre las perspectivas de salud de los pacientes y la atención que reciben, pero los registros no siempre son precisos. Un nuevo estudio describe un enfoque que utiliza el aprendizaje automático, un tipo de inteligencia artificial, para rastrear cuidadosamente los registros médicos de los pacientes a lo largo del tiempo en los EHR para predecir su probabilidad de tener o desarrollar diferentes enfermedades. El estudio fue dirigido por investigadores del Hospital General de Massachusetts (MGH) y se publica en Cell Patterns.
«Durante la última década, se han gastado miles de millones de dólares para instituir un uso significativo de los sistemas EHR. Sin embargo, por una multitud de razones, los datos EHR aún son complejos y tienen muchos problemas de calidad, lo que dificulta el aprovechamiento de estos datos. para abordar problemas de salud apremiantes, especialmente durante pandemias como la COVID-19, cuando se necesitan respuestas rápidas», dijo el autor principal, Hossein Estiri, Ph.D., del Laboratorio de Ciencias de la Computación del MGH. «En este documento, proponemos un algoritmo para explotar la información temporal en los EHR que está distorsionada por capas de procesos administrativos y del sistema de atención médica».
La estrategia conecta la información de los EHR sobre los medicamentos y diagnósticos de los pacientes sobre tiempo, en lugar de registros de salud independientes. Los análisis revelaron que este enfoque secuencial puede calcular con precisión la probabilidad de que un paciente tenga una enfermedad subyacente.
«Nuestro estudio no se basa en códigos de diagnóstico únicos, sino en secuencias de códigos con la expectativa de que es más probable que una secuencia de características relevantes a lo largo del tiempo represente la realidad que un solo elemento», dijo el Dr. Estiri. «Además, la computadora clasifica a miles de pacientes y puede encontrar secuencias que un médico probablemente nunca identificaría por sí mismo como relevantes, pero que en realidad están asociadas con la enfermedad».
Por ejemplo, la enfermedad de las arterias coronarias. seguido de dolor torácico en la historia clínica fue más útil para predecir el desarrollo de insuficiencia cardíaca que cualquiera de los factores por sí solos o en un orden diferente.
Por lo tanto, el método puede identificar marcadores de enfermedad que son interpretables por clínicos Esto podría conducir a nuevos modelos computacionales para identificar y validar nuevos marcadores de enfermedades y para avanzar en los descubrimientos médicos. La forma propuesta de pensar sobre los registros médicos también podría ayudar a identificar a los pacientes en una comunidad que corren el riesgo de desarrollar una variedad de otras enfermedades y recomendar su evaluación por parte de los proveedores de atención médica.
Explore más
Cómo falsificar un registro médico para mitigar los riesgos de privacidad Más información: Hossein Estiri et al, Transitive Sequencing Medical Records for Mining Predictive and Interpretable Temporal Representations, Patterns ( 2020). DOI: 10.1016/j.patter.2020.100051 Proporcionado por el Hospital General de Massachusetts Cita: La información registrada a lo largo del tiempo en los registros médicos dice más sobre enfermedades (2020, 19 de junio) recuperado el 31 de agosto de 2022 de https://medicalxpress .com/news/2020-06-medical-diseases.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.