Esta inteligencia artificial puede predecir con un 90% de precisión si una persona infectada de COVID morirá

Coronavirus.- Los contagios bajan hasta los 60 pero se registran once decesos, el mayor número en pandemia
Planta Covid-19 del Hospital Universitario Juan Ramón Jiménez
JUNTA DE ANDALUCÍA
Coronavirus.- Los contagios bajan hasta los 60 pero se registran once decesos, el mayor número en pandemia

La pandemia del coronavirus ha acelerado la investigación científica y tecnológica. Ingenieros y científicos de todo el mundo se pusieron hace un año manos a la obra para buscar soluciones que puedan ayudar en esta tremenda crisis que todavía nos parece invencible.

En ocasiones anteriores ya os hemos hablado de modelos predictivos para detectar síntomas de coronavirus y para poder valorar previamente cómo evolucionará la enfermedad en caso de contraerla. Ahora, una nueva investigación de la Universidad de Copenhague ha demostrado que la inteligencia artificial puede ayudar a predecir con un 90,2% de precisión si una persona infectada por COVID-19 morirá fijándose en los factores de riesgo.

Desde hace unos meses los expertos en salud han acotado una serie de factores de riesgo que pueden dificultar la lucha contra la enfermedad. Los más conocidos son la edad, el índice de masa corporal y la hipertensión.

“Los pacientes con COVID-19 grave han abrumado los sistemas de salud en todo el mundo. Planteamos la hipótesis de que los modelos de aprendizaje automático (ML) podrían usarse para predecir riesgos en diferentes etapas de la gestión y, por lo tanto, proporcionar información sobre los impulsores y los marcadores de pronóstico de la progresión de la enfermedad y la muerte”, dice el estudio, publicado en la revista Nature.

Método de investigación

De una cohorte de aproximadamente 2,6 millones de ciudadanos en Dinamarca, se realizaron pruebas PCR del SARS-CoV-2 en sujetos sospechosos de enfermedad COVID-19: 3.944 casos tuvieron al menos una prueba positiva y se sometieron a análisis adicionales. Entre los casos daneses, 1.359 (34,5%) requirieron hospitalización y 181 (4,6%) cuidados intensivos. Un total de 324 pacientes (8,2%) fallecieron.

Los casos positivos de SARS-CoV-2 del biobanco de Reino Unido se utilizaron para la validación externa. Este contiene información sanitaria detallada sobre 500.000 ciudadanos del país, de los cuales 1.650 han resultado positivos.

Los resultados indican que al centrarse en un número limitado de variables demográficas, incluida la edad, el sexo y el IMC, es posible predecir el riesgo de ingreso en el hospital y la UCI, el uso de ventilación mecánica y la muerte tan pronto como en el momento del diagnóstico. “Usando solo estos parámetros, nuestro modelo logró un ROC-AUC de 0,902 para la predicción de la mortalidad”, afirma el estudio.

Agregar información sobre comorbilidades al modelo “aumenta el rendimiento”, lo que indica que estas características “desempeñan un papel pronóstico en el resultado de los pacientes a medida que avanzan en la trayectoria de la enfermedad”. Los modelos base desplegados en el momento del diagnóstico fueron capaces de predecir el ingreso hospitalario con un ROC-AUC de 0,820, el ingreso en UCI 0,802 y el tratamiento con ventilador 0,815.

Mejorar la prevención y toma de decisiones

“Las características clínicas desconocidas junto con la velocidad de propagación viral crean una situación desafortunada en la que los proveedores de atención médica carecen de complementos de diagnóstico importantes, como modelos de predicción precisos y conocimientos basados en datos sobre los impulsores de la progresión de la enfermedad”, dice la investigación.

Estas herramientas basadas en datos “no solo son fundamentales para los proveedores de atención médica en términos de predicción de riesgos. También cumplirían un papel importante para los encargados de formular políticas en términos de estrategias de asignación de recursos. Finalmente, con la aparición de vacunas con disponibilidad inicial limitada, tales herramientas podrían ayudar a identificar a los pacientes de alto riesgo para los esfuerzos de vacunación de primer nivel”.

Es decir: los hallazgos de esta investigación podrían ayudar a predecir cuántas personas pueden terminar en hospitales y cuántas podrían necesitar respiradores o cuidados intensivos, algo que podría ayudar a aliviar la presión sobre los sistemas de salud, así como facilitar la gestión sanitaria en términos de políticas públicas y la determinación sobre qué grupos deberían ser los primeros en recibir la preciada vacuna.

Apúntate a nuestra newsletter y recibe en tu correo las últimas noticias sobre tecnología.

Mostrar comentarios

Códigos Descuento