Algoritmo de IA detecta con precisión los casos de sepsis

A través de un algoritmo, se pueden detectar casos de sepsis solo con la información más reciente de los pacientes según la HCE.
1920-200-Banner-4-suscripción-ORO

La sepsis, respuesta extrema del organismo ante las infecciones es responsable de seis millones de muertes cada año, según investigadores de la Universidad McMaster, quienes han diseñado un algoritmo predictivo de inteligencia artificial (IA) que mejora enormemente la puntualidad y la precisión de las predicciones de sepsis en los pacientes basadas en datos.

Cada hora de tratamiento retrasado incrementa las posibilidades de muerte entre un 4% y 8%, la predicción oportuna y precisa de la sepsis es crucial para reducir la morbilidad y la mortalidad. De ahí que los investigadores hayan optado por utilizar los datos de las historias clínicas electrónicas (EMR, siglas en inglés) para desplegar el análisis predictivo y medir las posibilidades de los pacientes y la aparición posible de sepsis.

En la actualidad, tal y como describe el equipo, algunos sistemas utilizan un sistema de puntuación de enfermedades, dependientes de los registros en las historias clínicas y así estiman la puntuación de riesgo de sepsis para cada persona; es decir, se trata de métodos de evaluación digital y automatizados. En otros sistemas se usan análisis predictivos para identificar la respuesta extrema del organismo a la infección, pero su puntualidad a la hora de detectarla no siempre es la más adecuada.

También le puede interesar: La razón algorítmica en la salud moderna: hacia una teoría crítica. ¿Estamos preparados para este reto?

“La sepsis se puede predecir con mucha precisión y muy pronto utilizando la IA con datos clínicos, pero las preguntas clave para el clínico y los científicos de datos son cuántos datos históricos necesitan estos algoritmos para hacer predicciones precisas y con cuánta antelación pueden predecir la sepsis con precisión”, dijo Manaf Zargoush, coautor del estudio y profesor asistente de política y gestión de la salud en la Escuela de Negocios DeGroote de McMaster.

Para mejorar los algoritmos de precisión y aprovechar al máximo las posibilidades de la IA, los investigadores crearon una nueva herramienta denominada Bidirectional Long Short-Term Memory (BiLSTM) o Memoria a Corto Plazo Bidireccional. Este algoritmo analiza diversas variables en cuatro aspectos clave: variables administrativas, datos demográficos, signos vitales y las pruebas de laboratorio practicadas a los pacientes. A diferencia de otras herramientas de IA, el BiLSTM está basado en aprendizaje profundo (deep learning), lo que le permite hacer uso de las redes neuronales para potenciar los resultados predictivos en casos de sepsis.

No olvide leer: Investigación científica avanza para diagnosticar la Esclerosis Múltiple de manera precoz

Reducción de falsos positivos en sepsis, el logro de este algoritmo

Para evaluar la calidad y la precisión de este algoritmo, los desarrolladores compararon el mecanismo BiLSTM con otros seis algoritmos diseñados para este propósito. Durante el estudio, los creadores de esta herramienta encontraron que la precisión de la predicción puede aumentar mediante algoritmos que se centran más en los datos recientes de un paciente, en lugar de utilizar información con datos acumulados.

En términos de exactitud, los expertos notaron que el sistema BiLSTM era superior, ya que reducían los falsos positivos de sepsis. Cuando se producen este tipo de errores, los especialistas pierden la confianza en la herramienta y se desperdician recursos que pueden utilizarse en pacientes que los requieran con mayor urgencia.

“Los conocimientos obtenidos de los modelos de sepsis se traducen en la construcción de mejores herramientas de aprendizaje automático que conducen a una intervención temprana adecuada para algunos de los pacientes más enfermos, al tiempo que evitan advertencias innecesarias que podrían conducir a la fatiga de los trabajadores de la salud”, señalan los desarrolladores en su artículo. El estudio fue publicado en la revista Nature Scientific Reports.

Le puede interesar: ¿Cómo afectó la pandemia a las compañías de tecnologías médicas? – Top 10 en ventas durante la pandemia

Compartir Noticia

Noticias Relacionadas
Noticias Recientes

Escríbanos y uno de nuestros asesores le contactará pronto

Reciba atención inmediata mediante nuestros canales oficiales aquí:

Tu carrito de compras está vacío.

Volver a la tienda

SUSCRIPCIÓN GRATUITA

BENEFICIOS DE LA SUSCRIPCIÓN