Un grupo de investigadores han desarrollado un modelo predictivo, dirigido a pacientes con cáncer hospitalizados y que integra diferentes tipos de datos, tomados desde sus historias clínicas electrónicas (EHR, siglas en inglés). De acuerdo con estadísticas provenientes de Estados Unidos, un 9% de este grupo de inviduos experimenta complicaciones durante su estancia hospitalaria.
De acuerdo con los investigadores, la involución en los resultados del tratamiento se evidencia en la necesidad de terapia especializada, los traslados a las unidades de cuidados intensivos o el fallecimiento del paciente en muchos casos. Sin embargo, con la creación del sistema de alerta temprana, los médicos pueden saber con antelación cuándo iniciarán las alteraciones negativas y mejorar los resultados para los pacientes con cáncer que deban permanecer en el hospital.
También le puede interesar: CAC: Este es el panorama del cáncer de pulmón en Colombia 2020
Los avances en este modelo se presentaron en la Conferencia de la Asociación de Maquinaria Informática sobre la gestión de la información y el conocimiento. De acuerdo con Dingwen Li, estudiante de doctorado en su laboratorio y primer autor del artículo investigativo, el equipo encontró un método para integrar dos tipos de datos valiosos en modelos de aprendizaje profundo que podrían ofrecer pistas sobre el estado clínico de un individuo -con cáncer o no-: datos recogidos al momento del ingreso (datos demográficos, otros diagnósticos médicos o información de hospitalizaciones anteriores) y datos de series temporales (información obtenida durante la estadía en el hospital como la temperatura, la presión arterial, la medicación y los resultados de las pruebas clínicas).
Como expusieron los investigadores, existen signos tempranos pero ocultos que sugieren que una persona desarrollará un deterioro clínico en unas horas o unos días. Sin embargo, los seres humanos no logran ver los patrones o tendencias ocultas en los datos; es aquí donde el aprendizaje automático juega un rol trascendental, ya que estos sistemas logran detectar con rapidez las posibles anomalías y advertir al especialista sobre el deterioro del paciente.
No olvide leer: Innovadora red multimodal diagnostica cáncer de ovario
¿Cómo funciona este sistema para los médicos de pacientes con cáncer?
Los científicos de la Universidad de Washington en San Luis utilizaron un modelo de red neuronal recurrente (RNN), diseñado originalmente para los datos de series temporales y lo mejoraron para incorporar los datos estáticos mediante un enfoque de fusión multimodal. Pero en su modelo, al que denominaron CrossNet, aprende a predecir los eventos de deterioro al tiempo que imputa con precisión cualquier dato estático o de serie temporal que falte.
Se trata de un sistema novedoso para incorporar datos estáticos y de series temporales combina la potencia de los modelos recurrentes profundos y las ventajas de los datos heterogéneos de la HCE. En un estudio de caso en un entorno realista de atención hospitalaria, Lu y el equipo establecieron un umbral de 48 notificaciones en un periodo de 24 horas, o una cada 30 minutos.
Le puede interesar: RADIAN: la herramienta contra la iliquidez en el sector salud
Posteriormente, los investigadores ingeniaron un sistema de alerta temprana más proactivo en el que la tasa de alarmas puede ser alta, pero el número de falsas alarmas es limitado para evitar daños en estos dispositivos. Con la misma tasa de falsas alarmas, el modelo CrossNet del equipo captó el 39,5% de los eventos de deterioro clínico, mientras que un modelo existente utilizado por muchos hospitales, llamado Modified Early Warning Scores (MEWS), captó sólo el 3,9% de los mismos eventos.
Aunque el modelo tiene potencial, Lu está trabajando con los médicos del equipo para determinar la mejor manera de aplicarlo en un entorno hospitalario y con pacientes con cáncer, pues para desarrollar este método de alerta se tomaron datos de pacientes con cáncer que estuvieron en el hospital por largos periodos.
También le puede interesar: Inyección de recursos para pago al THS y entrega de hospitales en Atlántico
