Desarrollan un algoritmo capaz de predecir los paros cardiacos

Científicos japoneses han desarrollado un método predictivo que detecta cuándo es más probable que se den casos de parada cardiaca en una población y puede mejorar el pronóstico de los pacientes. Los resultados presentados por el equipo muestran que este nuevo sistema tiene un índice de acierto del 90%.

Según afirman los investigadores en un estudio publicado en la prestigiosa revista médica 'Heart', las paradas cardiacas que se producen fuera de la supervisión médica de un hospital tienen menor índice de supervivencia. Además, en estudios previos también se ha visto que este riesgo se agrava cuando se producen unas condiciones meteorológicas determinadas.

TE PUEDE INTERESAR

La nueva batería que puede cargar un iPhone en segundos

Omar Kardoudi

Los investigadores japoneses han desarrollado un algoritmo de inteligencia artificial que bucea en la enorme cantidad de datos meteorológicos y puede identificar patrones que otros sistemas estadísticos pasan por alto.

En su estudio utilizaron datos meteorológicos (temperatura, humedad relativa, precipitaciones, nevadas, nubosidad, velocidad del viento y lecturas de la presión atmosférica) y temporales (año, estación, día de la semana, hora del día y días festivos) para entrenar a la inteligencia artificial.

Cómo funciona este sistema predictivo

El experimento parte de una muestra de 1.299.784 casos recogidos por el registro japonés de paradas cardiacas extrahospitalarias entre 2005 y 2013. Se aplicó el algoritmo a 525.374, utilizando datos meteorológicos o temporales, o ambos. Esos resultados se compararon con 135.678 casos ocurridos en 2014-15 para comprobar si el modelo era capaz de predecir el número de paradas cardiacas diarias en otros años.

Para comprobar la precisión del algoritmo, los investigadores elaboraron también un mapa con la ubicación de todas las paradas cardiacas extrahospitalarias que se produjeron en la ciudad japonesa de Kobe entre enero de 2016 y diciembre de 2018.

TE PUEDE INTERESAR

La lotería genética que te hará vivir 100 años con salud

Omar Kardoudi

Según los resultados aportados por el equipo, el riesgo de sufrir una parada cardiaca es mayor los domingos, los lunes, los días festivos y cuando las temperaturas descienden bruscamente dentro de un mismo día o entre días consecutivos.

Aunque este estudio solo se comparó con los datos de paros cardiacos extrahospitalarios en la ciudad de Kobe, los investigadores creen que es ampliamente generalizable para cualquier población de un país desarrollado. Además añaden que: "Los métodos desarrollados en este estudio sirven como ejemplo para un nuevo modelo de análisis predictivo que podría aplicarse a otros resultados clínicos de interés relacionados con las enfermedades cardiovasculares agudas potencialmente mortales".

Una precisión del 90%

El estudio ha sido revisado por varios científicos, entre ellos el Dr. David Foster Gaieski, profesor de la Facultad de Medicina Sidney Kimmel de la Universidad Thomas Jefferson, de Filadelfia. Foster Gaieski ha comprobado que el modelo tuvo una precisión del 90% en la predicción del número de paros cardiacos que se produjeron durante la semana del estudio (24 paros predichos, 27 paros observados). Siendo capaz de identificar correctamente el número en cuatro de los siete distritos y equivocándose por un paro en cada uno de los tres distritos restantes.

Aunque para Foster Gaieski el sistema todavía necesita una muestra más grande que recoja datos de otros lugares con mayor diversidad geográfica y cultural, el hallazgo le parece muy prometedor. “Saber qué tiempo va a hacer probablemente en la próxima semana puede generar avisos de emergencia cardiovascular para las personas en riesgo, notificando a los ancianos y a otros pacientes sobre los próximos periodos de mayor peligro”, afirma.

Foster Gaieski también sugiere que este sistema de aviso podría servir para que los servicios médicos de urgencia y el personal de cateterismo cardiaco estén preparados cuando haya previsión de aumento de casos.

Los médicos artificiales

A pesar de que esta tecnología todavía está en pañales, la inteligencia artificial es una herramienta muy útil en medicina por su eficacia en el diagnóstico por imagen y también por su enorme capacidad para el cálculo probabilístico.

Además de predecir el riesgo de un paciente de contraer potenciales enfermedades, puede ayudar, por ejemplo, a evaluar con más precisión las posibilidades de supervivencia de los enfermos.

TE PUEDE INTERESAR

Científicos crean una "nueva forma de vida"

Jesús Díaz

El equipo de Medical Brain, la unidad de investigación de inteligencia artificial de Google para predecir enfermedades y sus síntomas, presentó hace tiempo un algoritmo capaz de hacer predicciones sobre la probabilidad de supervivencia entre los pacientes del hospital.

En un artículo publicado en la revista 'Nature' mostró los resultados de las predicciones de su algoritmo en los pacientes de dos hospitales diferentes. El cerebro médico de Google obtuvo una precisión del 95% en el primer hospital y del 93% en el segundo.

Según el estudio, estos modelos son más efectivos para predecir resultados y métricas que los métodos tradicionales. "Estos modelos superaron en todos los casos a los modelos predictivos tradicionales de uso clínico. Creemos que este enfoque puede utilizarse para crear predicciones precisas y escalables para una variedad de escenarios clínicos", afirmaron los investigadores.

El diagnóstico por imagen de estos cerebros digitales está también muy avanzado y varios estudios demuestran que sus resultados son mejores que los obtenidos por médicos humanos. Estos algoritmos han demostrado una excelente precisión y sensibilidad para la detección de pequeñas anomalías radiográficas que son muy útiles en el diagnóstico de distintas dolencias como el cáncer o enfermedades coronarias.

TE PUEDE INTERESAR

Crean el primer cerebro electrónico que aprende como el humano

Jesús Díaz

Aun así, todavía queda tiempo para que podamos ver esta tecnología implantada en nuestros hospitales. Como indica este artículo de la revista 'The Lancet', a menos que los algoritmos de IA estén entrenados para distinguir entre las anomalías benignas y las lesiones clínicamente significativas, la mejora de la sensibilidad de las imágenes podría llevar a un aumento de los falsos positivos, así como de escenarios desconcertantes en los que los hallazgos de la IA no se asocian con los resultados.

Al final, el éxito de esta tecnología depende de la calidad de los datos que se utilizan para su entrenamiento y muchas veces esa información contiene sesgos que pueden provocar desigualdades en el resultado sin que nos demos cuenta.

La doctora Irina Grigorescu del King’s College London, analiza sus beneficios y limitaciones de la inteligencia artificial aplicada a la medicina en este artículo. Para Grigorescu “las técnicas de ‘deep learning’ dependen actualmente de conjuntos de datos de alta calidad. Por tanto, cualquier sesgo introducido en los datos podría servir de atajo para que el algoritmo lo aproveche”. Y añade: “Habrá que eliminar estos sesgos del conjunto de datos de entrenamiento para que la IA sea lo suficientemente precisa para su uso en el mundo real”.