Un nuevo modelo predictivo matemático elaborado desde la Inteligencia Artificial evalúa el riesgo de morir de los pacientes ingresados en las Unidades de Cuidados Intensivos (UCI) de los hospitales y facilita la toma de decisiones de los profesionales médicos.
Un equipo de investigadores liderado por la doctora Rosario Delgado, del Departamento de Matemáticas de la Universidad Autónoma de Barcelona (UAB), en colaboración con el Hospital de Mataró, han llevado a cabo la investigación que ha permitido desarrollar el nuevo modelo.
Para mejorar la calidad de la atención en las UCI “es importante establecer protocolos basados en datos objetivos y en una predicción precisa del riesgo de mortalidad de los pacientes en función de sus características”, como permite el nuevo modelo matemático, según la UAB.
La universidad ha indicado que la aproximación tradicional utilizada hasta ahora consiste en predecir el riesgo de mortalidad a partir de un cuestionario ampliamente utilizado para evaluar el estado de salud de una persona en función de diferentes indicadores, mediante un modelo de regresión logística estimado y validado en grupos previos de pacientes.
Sin embargo, los investigadores han demostrado experimentalmente que el nuevo modelo “evita los puntos débiles de este enfoque tradicional, proporciona buenos resultados y se convierte en una alternativa mejor”.
El nuevo modelo de predicción de pronóstico consiste en un conjunto de clasificadores bayesianos -que actualizan o infieren la probabilidad de que una hipótesis pueda ser cierta- que se utilizan asignando una etiqueta del pronóstico de vida (vivo o muerto) a cada individuo, en función de sus características demográficas, como el sexo y la edad; el índice de comorbilidad de Charlson; su origen; la causa del ingreso; la presencia o no de sepsis; la severidad dentro de las 24 horas del ingreso; y también la puntuación del cuestionario tradicional, ha señalado la universidad.
Además, los investigadores han mejorado la predicción mediante una combinación de las predicciones individuales de cada clasificador diseñada de forma que los errores de unas predicciones sean compensados por los aciertos de otros, y teniendo en cuenta el desequilibrio que supone la baja proporción de pacientes que mueren en las UCI, ha añadido la UAB.
Finalmente, el modelo puede predecir la causa de la muerte de un paciente con un riesgo de mortalidad elevado, así como el destino del paciente si el riesgo es bajo. A este tipo de modelo se le llama modelo predictivo jerárquico, porque hay dos niveles de predicción.
Según Rosario Delgado, el modelo jerárquico de predicción de pronóstico “tiene un buen comportamiento predictivo y además permite estudiar las características más decisivas del paciente, que se convierten en factores de riesgo, para la evaluación de su riesgo de mortalidad”.
Además, ha indicado que el modelo se puede extrapolar para comparar diferentes UCI, o para llevar a cabo un estudio longitudinal y mejorar en el tiempo los protocolos de una determinada UCI.
Se trata de una “metodología útil y prometedora” con una “importante aplicabilidad clínica desde el momento en que puede ayudar a los expertos a tomar decisiones médicas sobre los pacientes de manera personalizada, así como a las autoridades sanitarias en la gestión de los recursos”, ha concluido la investigadora.
La investigación se ha publicado en el último número de la revista “Artificial Intelligence in Medicine”, con la mención especial de Documento de Posición -position paper-, ha indicado la UAB.
EFE
La autoridad alemana de competencia investiga a #Facebook por la compra de #Kustomer https://t.co/1SbdHlIilG
— SomosFan.com (@SomosFancom) July 23, 2021
