Al Día, Noticias de Salud

El Instituto de Investigación Sanitaria Incliva, del Hospital Clínico de Valencia, y el Instituto de Investigación del Hospital 12 de Octubre de Madrid, participan en el desarrollo de un nuevo sistema de inteligencia artificial, que facilitará el pronóstico y la estimación de la evolución de pacientes con COVID-19 en el momento del ingreso hospitalario. Así, mediante la combinación de síntomas, comorbilidades y pruebas de laboratorio, se podrá conocer el posible nivel de gravedad e intervenir anticipadamente ante la previsión, por ejemplo, de una insuficiencia respiratoria aguda.

Este desarrollo, liderado por la Universidad Politécnica de Valencia (UPV), resulta especialmente útil ante rebrotes del virus. Como explica Rafael Badenes, del Grupo de Investigación en Anestesia de Incliva y jefe de la Sección de Anestesia del Clínico de Valencia, que en aquellos casos en los que se prevé mayor gravedad, "se podrían instaurar tratamientos de manera más precoz, con el objetivo final de reducir los ingresos en UCI y la mortalidad".

La calidad de los datos, un reto

Uno de los principales desafíos para el aprendizaje automático en la COVID-19 es la calidad de los datos, reto al que esta herramienta de Biomedical Data ScienceLab-ITACA de la UPV ayudará a responder. Según Juan Miguel García-Gómez, coordinador del BDSLab-ITACA, el aprendizaje automático tiene el potencial de ayudar en esta tarea mediante la aplicación de técnicas de aprendizaje no supervisado y supervisado a los registros de salud electrónicos de los hospitales. Estas técnicas permiten extraer los patrones más significativos del historial de comorbilidad del paciente, los síntomas y las pruebas de laboratorio en el momento del ingreso, hasta sus últimos datos de la Unidad de Cuidados Intensivos (UCI), que pueden conducir a una estratificación temprana del paciente y a la predicción de su gravedad.

Sin embargo, hay fuertes evidencias de que los datos reales de esos registros no son perfectos, lo que limita su extracción de conocimiento tanto por los médicos como por las máquinas. Además, la variabilidad inherente a la práctica clínica y la codificación de datos entre los hospitales, o incluso entre sus poblaciones destinatarias, puede sesgar cualquier resultado extraído. Por lo tanto, los métodos de aprendizaje automático y de inteligencia artificial requieren una evaluación y explicación de la calidad de los datos asociada tanto al aprendizaje como a las nuevas predicciones, apunta Carlos Sáez, coordinador del proyecto.

Un proyecto mayor

El desarrollo de esta herramienta se enmarca en el Proyecto Subcoverwd-19, que ha sido uno de los seleccionados en la convocatoria del Fondo Supera COVID-19, impulsada por las Universidades Españolas, Banco Santander, a través de Santander Universidades y el Consejo Superior de Investigaciones Científicas (CSIC).

Además, cabe resaltar el carácter multidisciplinario del estudio impulsado por la UPV, en el que han participado ingenieros, médicos especialistas en Medicina Preventiva, Anestesiología y Reanimación, biólogos y bioestadísticos.

septiembre 17/2020 (Diario Médico)