Algoritmo de inteligencia artificial predice el riesgo individual de mortalidad para los pacientes con COVID-19
Por el equipo editorial de HospiMedica en español Actualizado el 22 Feb 2021 |
Imagen: El algoritmo de inteligencia artificial predice el riesgo de mortalidad individual para los pacientes con COVID-19 (Fotografía cortesía de patrikslezak)
Un algoritmo, desarrollado recientemente, entrenado con métodos de aprendizaje automático, usa la COVID-19 como ejemplo para predecir el riesgo de mortalidad individual de los pacientes.
Un equipo internacional, dirigido por investigadores del Instituto Max Planck de Sistemas Inteligentes (Tübingen, Alemania), desarrolló y entrenó el algoritmo para predecir el riesgo de mortalidad individual de los pacientes con COVID-19 basándose en los datos de miles de pacientes en todo el mundo. El algoritmo que tiene como objetivo ayudar a los profesionales médicos con predicciones de mortalidad para pacientes con COVID-19 también se puede entrenar para predecir el riesgo de mortalidad por otras enfermedades y, por lo tanto, apoyar a los médicos en los procesos de toma de decisiones.
El algoritmo, llamado Covews, que es la abreviatura de COVID-19 Early Warning System, (Sistema de Alerta Temprana para la COVID-19), se basa en datos médicos para predecir de manera confiable el riesgo de muerte de un paciente con hasta ocho días de anticipación con una sensibilidad de más del 95%. Esto significa que, en 95 de cada 100 casos, el algoritmo puede detectar si un paciente morirá a menos que se tomen medidas preventivas. Al mismo tiempo, Covews trabaja con una especificidad de poco menos del 70% para una predicción con ocho días de anticipación, lo que significa que, en aproximadamente 70 de cada 100 casos en los que predice la muerte, los pacientes finalmente mueren. En otras palabras, el algoritmo hace sonar una falsa alarma en solo 30 de cada 100 casos y es significativamente mejor para horizontes de tiempo más cortos. El algoritmo también se puede entrenar para hacer predicciones menos sensibles, pero más específicas.
Para desarrollar y especialmente para entrenar a Covews, los investigadores utilizaron 33.000 registros de datos anónimos de una cohorte llamada Optum, que rastrea a los pacientes en varios hospitales de EUA. Alimentaron el algoritmo con información sobre cómo varios parámetros de salud del paciente recopilados de forma rutinaria evolucionaron durante el curso de la enfermedad, y si la persona murió de COVID-19 o no. Como resultado, Covews aprendió a identificar patrones en los conjuntos de datos que indicaban un alto riesgo de mortalidad. Luego, el equipo internacional probó la exactitud con la que Covews determinó este riesgo en aproximadamente otros 14.000 conjuntos de datos de la cohorte Optum. Al probar Covews con datos de la red de salud global TriNetX, que incluye alrededor de 5.000 pacientes con pruebas COVID positivas en los EUA, Australia, India y Malasia, los investigadores demostraron que el algoritmo no solo predice el riesgo de mortalidad con un alto grado de certeza con conjuntos de datos de esta cohorte, sino también con datos de otros hospitales.
Aunque Covews hace predicciones fiables, es probable que pase bastante tiempo antes de que se utilice en la práctica. Esto se debe, en parte, a que en muchos hospitales los datos disponibles no están lo suficientemente estructurados, lo que hace que el desarrollo de un software adecuado basado en el algoritmo sea particularmente desafiante. En cualquier caso, al hacer que Covews esté disponible gratuitamente en Internet, los investigadores sientan las bases para poner el algoritmo en práctica rápidamente. No solo se podría usar para pacientes con COVID-19; con la formación adecuada, también podría predecir el riesgo de mortalidad por otras enfermedades.
“Por lo tanto, los médicos siempre deben decidir las medidas de tratamiento”, dijo Stefan Bauer del Instituto Max Planck de Sistemas Inteligentes, quien dirigió el equipo internacional de investigadores. “Sin embargo, nuestro algoritmo puede proporcionar información que la gente no puede derivar de los datos y que puede ayudar con la toma de decisiones médicas”.
Enlace relacionado:
Instituto Max Planck de Sistemas Inteligentes
Un equipo internacional, dirigido por investigadores del Instituto Max Planck de Sistemas Inteligentes (Tübingen, Alemania), desarrolló y entrenó el algoritmo para predecir el riesgo de mortalidad individual de los pacientes con COVID-19 basándose en los datos de miles de pacientes en todo el mundo. El algoritmo que tiene como objetivo ayudar a los profesionales médicos con predicciones de mortalidad para pacientes con COVID-19 también se puede entrenar para predecir el riesgo de mortalidad por otras enfermedades y, por lo tanto, apoyar a los médicos en los procesos de toma de decisiones.
El algoritmo, llamado Covews, que es la abreviatura de COVID-19 Early Warning System, (Sistema de Alerta Temprana para la COVID-19), se basa en datos médicos para predecir de manera confiable el riesgo de muerte de un paciente con hasta ocho días de anticipación con una sensibilidad de más del 95%. Esto significa que, en 95 de cada 100 casos, el algoritmo puede detectar si un paciente morirá a menos que se tomen medidas preventivas. Al mismo tiempo, Covews trabaja con una especificidad de poco menos del 70% para una predicción con ocho días de anticipación, lo que significa que, en aproximadamente 70 de cada 100 casos en los que predice la muerte, los pacientes finalmente mueren. En otras palabras, el algoritmo hace sonar una falsa alarma en solo 30 de cada 100 casos y es significativamente mejor para horizontes de tiempo más cortos. El algoritmo también se puede entrenar para hacer predicciones menos sensibles, pero más específicas.
Para desarrollar y especialmente para entrenar a Covews, los investigadores utilizaron 33.000 registros de datos anónimos de una cohorte llamada Optum, que rastrea a los pacientes en varios hospitales de EUA. Alimentaron el algoritmo con información sobre cómo varios parámetros de salud del paciente recopilados de forma rutinaria evolucionaron durante el curso de la enfermedad, y si la persona murió de COVID-19 o no. Como resultado, Covews aprendió a identificar patrones en los conjuntos de datos que indicaban un alto riesgo de mortalidad. Luego, el equipo internacional probó la exactitud con la que Covews determinó este riesgo en aproximadamente otros 14.000 conjuntos de datos de la cohorte Optum. Al probar Covews con datos de la red de salud global TriNetX, que incluye alrededor de 5.000 pacientes con pruebas COVID positivas en los EUA, Australia, India y Malasia, los investigadores demostraron que el algoritmo no solo predice el riesgo de mortalidad con un alto grado de certeza con conjuntos de datos de esta cohorte, sino también con datos de otros hospitales.
Aunque Covews hace predicciones fiables, es probable que pase bastante tiempo antes de que se utilice en la práctica. Esto se debe, en parte, a que en muchos hospitales los datos disponibles no están lo suficientemente estructurados, lo que hace que el desarrollo de un software adecuado basado en el algoritmo sea particularmente desafiante. En cualquier caso, al hacer que Covews esté disponible gratuitamente en Internet, los investigadores sientan las bases para poner el algoritmo en práctica rápidamente. No solo se podría usar para pacientes con COVID-19; con la formación adecuada, también podría predecir el riesgo de mortalidad por otras enfermedades.
“Por lo tanto, los médicos siempre deben decidir las medidas de tratamiento”, dijo Stefan Bauer del Instituto Max Planck de Sistemas Inteligentes, quien dirigió el equipo internacional de investigadores. “Sin embargo, nuestro algoritmo puede proporcionar información que la gente no puede derivar de los datos y que puede ayudar con la toma de decisiones médicas”.
Enlace relacionado:
Instituto Max Planck de Sistemas Inteligentes
Últimas COVID-19 noticias
- Sistema de bajo costo detecta el virus SARS-CoV-2 en el aire del hospital mediante burbujas de alta tecnología
- China aprueba la primera vacuna inhalable contra la COVID-19 del mundo
- Vacuna en parche contra la COVID-19 combate variantes del SARS-CoV-2 mejor que las agujas
- Pruebas de viscosidad sanguínea predicen riesgo de muerte en pacientes hospitalizados con COVID-19
- ‘Computadora Covid’ usa IA para detectar COVID-19 en exámenes de TC de tórax
- Técnica de resonancia magnética muestra la causa de los síntomas de COVID prolongada
- TC del tórax de los pacientes con COVID-19 podrían ayudar a diferenciar entre las variantes del SARS-CoV-2
- Resonancia magnética especializada detecta anormalidades pulmonares en pacientes no hospitalizados con COVID prolongada
- Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19
- Estudio evalúa el impacto de la COVID-19 sobre la gammagrafía de ventilación/perfusión
- Sensor de sudor detecta biomarcadores claves que suministran una alarma precoz de la COVID-19 y la influenza
- Modelo de IA para seguimiento de COVID-19 predice mortalidad durante los primeros 30 días del ingreso
- ECG puede señalar pacientes hospitalizados con COVID-19 con riesgo más alto de muerte
- IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas
- Examen de TC muestra evidencia de daño pulmonar persistente mucho tiempo después de neumonía por COVID-19
- Plataforma órgano-en-un-chip ayuda a diseñar estrategia para tratar complicaciones severas de la COVID-19