Sensor portátil con IA predice el inicio del parto en mujeres embarazadas

Predecir con exactitud el momento del parto en mujeres embarazadas sigue siendo un desafío importante. Actualmente, las fechas probables de parto se estiman contando 40 semanas desde el primer día del último período menstrual, a pesar de que la duración real de la gestación en humanos puede variar entre 37 y 42 semanas. No existen herramientas clínicas que puedan indicar con precisión cuándo comenzará el trabajo de parto, lo que deja a las futuras madres la tarea de informar sus propios síntomas, un método propenso a numerosas falsas alarmas.

Cuando el parto comienza inesperadamente, puede llevar a resultados negativos como partos no planificados en casa, pérdida de oportunidades para intervenciones médicas oportunas en casos de nacimientos prematuros, o incluso inducciones tempranas innecesarias para quienes viven lejos de centros médicos. Aunque se sabe que los cambios en la temperatura corporal pueden indicar el inicio del parto en varios mamíferos, este fenómeno no se había estudiado en humanos. Ahora, investigadores han creado un modelo de aprendizaje profundo que utiliza las tendencias de temperatura para predecir la probabilidad diaria de inicio del parto.

Un equipo de investigación de Ciencias de la Salud de la Universidad de Arizona (Tucson, Arizona, EUA) realizó un estudio para determinar si los patrones de temperatura podían predecir el parto en humanos, como se ha demostrado en animales. Las lecturas de temperatura ya desempeñan un papel en el seguimiento de la ovulación y la fertilidad. Para su estudio, el equipo colaboró con una empresa que fabrica sensores portátiles en forma de anillo, los cuales registran la temperatura cada minuto en lugar de una vez al día.

Con estos datos de alta frecuencia, los investigadores entrenaron un modelo de inteligencia artificial (IA) basado en redes neuronales profundas para analizar la información. Las redes neuronales profundas están estructuradas para imitar la actividad cerebral y constan de una capa de entrada para recibir datos, una capa de salida para generar resultados y múltiples capas ocultas intermedias que realizan cálculos complejos, de forma similar a cómo el cerebro procesa los datos.

Estas redes neuronales profundas también mejoran con el tiempo al aprender de los datos, comparar sus predicciones con resultados reales y ajustarse para aumentar la precisión. Al aplicar este método a las lecturas continuas de temperatura, los investigadores lograron pronósticos acertados del inicio del parto.

Su modelo final identificó con precisión el inicio del parto espontáneo en el 79 % de las participantes dentro de un margen de 4,6 días cuando se evaluó siete días antes del inicio real del parto, y dentro de un margen de 7,4 días cuando se evaluó con diez días de antelación. El equipo planea validar el modelo mediante un estudio a mayor escala para evaluar más a fondo su utilidad clínica. Su objetivo final es incorporar este modelo de IA en tecnologías portátiles o dispositivos médicos existentes para su uso generalizado.

“Durante el embarazo, ocurren muchos factores diferentes en el cuerpo. No es tan sencillo como determinar si la temperatura está subiendo o bajando. Para predecir el parto, las lecturas diarias de temperatura no ofrecen un patrón coherente de cuándo podría entrar en labor de parto”, afirmó el Dr. Shravan Aras, subdirector de análisis de sensores y plataformas de salud inteligente del Centro de Ciencias de la Salud de la Universidad de Arizona para Informática Biomédica y Bioestadística.

“Logramos desarrollar modelos de IA basados en redes neuronales profundas que, a partir de todos estos datos de temperatura de alta frecuencia (un punto de datos por minuto de temperatura), generaron un resultado predictivo de cuándo podría entrar en labor de parto”.

Enlaces relacionados:
Universidad de Arizona