Hospitales En los hospitales Fundación Jiménez Díaz, Rey Juan Carlos, Infanta Elena y General de Villalba

La inteligencia artificial ayuda a predecir la evolución de los pacientes de la Covid-19

— Madrid 13 Abr, 2021 - 1:22 pm

La última herramienta con la que cuentan los hospitales públicos gestionados por el grupo sanitario Quirónsalud en la Comunidad de Madrid -los universitarios Fundación Jiménez Díaz (Madrid), Rey Juan Carlos (Móstoles), Infanta Elena (Valdemoro) y General de Villalba (Collado Villalba)- para luchar contra la Covid-19 es un algoritmo predictivo basado en el Big Data, que permite pronosticar en tiempo real la progresión de muchos pacientes afectados por el coronavirus.

En concreto, este sistema, diseñado el pasado mes de mayo y puesto en marcha desde septiembre en estos cuatro centros, ofrece un patrón de comportamiento que, tal y como explica Antonio Herrero, que es el responsable de Big Data de esta red asistencial, permite prever la evolución, en términos de mortalidad y de empeoramiento (riesgo de ingreso en la Unidad de Cuidados Intensivos -UCI- en las siguientes horas), de aquellos pacientes de la Covid-19 hospitalizados que cumplen determinados criterios.

Este algoritmo parte de la recogida de parámetros como los datos demográficos del paciente (edad, sexo, si son o no de residencias…), sus antecedentes personales (si es fumador o diabético, si tiene hipertensión o problemas cardiovasculares, pulmonares, neurológicos, oncológicos, renales, etc), fármacos administrados (antes y en el momento del ingreso), otras variables, como el grupo sanguíneo, el Índice de Masa Corporal (IMC), si estuvo previamente en la UCI o fue sometido a ventilación mecánica, y hasta 382 variables de laboratorio y su evolución temporal.

“El análisis de esta información en los más de 15.000 pacientes Covid que estuvieron hospitalizados en estos cuatro hospitales desde la primera ola y el inicio de la segunda, mediante el empleo de métodos de machine learning, permitió seleccionar las variables más relevantes, un total de 20, que ofrecen patrones de comportamiento de los pacientes positivos a través de los cuales se puede prever su evolución”, señala Antonio Herrero.

A partir de 20 variables identificadas

Esta es una herramienta que “permite constatar estos patrones con datos clínicos, mejorando la calidad y seguridad del proceso, y que ofrece una información adicional de gran utilidad para los profesionales médicos de cara a la toma de decisiones”, indican, por su parte, los doctores Alfonso Cabello y Felipe Villar, que son los jefes asociados, respectivamente, de los Servicios de Medicina Interna y Neumología de la Fundación Jiménez Díaz, también implicados en este proyecto, como el jefe asociado de la UCI de este hospital madrileño, el doctor José María Milicua.

A partir de las 20 variables identificadas como relevantes, los integrantes de este proyecto realizaron un ajuste empleando árboles de decisión de hasta cuatro niveles de complejidad, de manera que ofrecen una visión global clara de cómo afectaría cada variable al triaje. Concretamente, sobre el conjunto de 20 variables se aplicó el algoritmo Bayesian Ruleset (que calcula la probabilidad de un suceso, teniendo información previa sobre ese suceso), “que proporciona el conjunto de reglas de umbrales que mejor predice la gravedad futura del paciente”, detalla Herrero.