En el campo de la inteligencia artificial, el aprendizaje automático permite que un modelo aprenda de manera autónoma a partir de la información proporcionada por los datos históricos disponibles, y se modifique a medida que los datos se actualizan.
Un reciente estudio español, publicado en la revista Artificial Intelligence in Medicine, presenta un modelo predictivo de pronóstico que evalúa el riesgo de mortalidad de los pacientes ingresados en las UCIs. La investigación ha sido realizada por un equipo del departamento de Matemáticas de la Universidad Autónoma de Barcelona (UAB), en colaboración con el Hospital de Mataró.
El modelo, que utiliza herramientas de aprendizaje automático, facilita el proceso de toma de decisiones del personal sanitario de las UCIs, debido a que mejora la predicción de mortalidad prematura.
Además, hace más eficientes las decisiones médicas sobre pacientes de alto riesgo, valora la eficacia de nuevos tratamientos y detecta cambios en la práctica clínica.
Los autores han demostrado que el nuevo modelo es una alternativa mejor a la aproximación tradicional, que consisten en predecir el riesgo de mortalidad a partir de la puntuación APACHE (Acute Physiology And Chronic Health Evaluation) -un cuestionario ampliamente utilizado para evaluar el estado de salud de una persona en función de diferentes indicadores-.
Un modelo más preciso
Mediante una combinación de las predicciones individuales de cada clasificador, los investigadores han mejorado el pronóstico del modelo de forma que los errores de unas predicciones sean compensados por los aciertos de otras, teniendo en cuenta el desequilibrio que supone la baja proporción de pacientes que mueren en las UCIs.
De esta manera, el modelo vaticina 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 denomina modelo predictivo jerárquico, porque hay dos niveles de predicción.
“El modelo jerárquico predictivo de pronóstico estudia cuáles de las características del paciente son más decisivas para la evaluación de su riesgo de mortalidad. También se puede extrapolar para comparar diferentes UCIs, o para analizar la mejora con el tiempo de los protocolos de una determinada UCI”, indica Rosario Delgado, investigadora del departamento de Matemáticas de la UAB.
“Esta metodología es útil y prometedora, y tiene una importante aplicabilidad clínica porque ayuda a los expertos a tomar decisiones médicas sobre los pacientes de manera personalizada, y a las autoridades sanitarias en la gestión de recursos”, concluye la experta.
Referencia:
Delgado et al. Survival in the Intensive Care Unit: A prognosis model based on Bayesian classifiers Artificial Intelligence in Medicine, Volume 115, 2021, 102054, ISSN 0933-3657.
Recordamos que SALUD A DIARIO es un medio de comunicación que difunde información de carácter general relacionada con distintos ámbitos sociosanitarios, por lo que NO RESPONDEMOS a consultas concretas sobre casos médicos o asistenciales particulares. Las noticias que publicamos no sustituyen a la información, el diagnóstico y/o tratamiento o a las recomendaciones QUE DEBE FACILITAR UN PROFESIONAL SANITARIO ante una situación asistencial determinada.
SALUD A DIARIO se reserva el derecho de no publicar o de suprimir todos aquellos comentarios contrarios a las leyes españolas o que resulten injuriantes, así como los que vulneren el respeto a la dignidad de la persona o sean discriminatorios. No se publicarán datos de contacto privados ni serán aprobados comentarios que contengan 'spam', mensajes publicitarios o enlaces incluidos por el autor con intención comercial.
En cualquier caso, SALUD A DIARIO no se hace responsable de las opiniones vertidas por los usuarios a través de los canales de participación establecidos, y se reserva el derecho de eliminar sin previo aviso cualquier contenido generado en los espacios de participación que considere fuera de tema o inapropiados para su publicación.
* Campos obligatorios