España ha sido uno de los estados europeos más golpeados por la Pandemia de COVID-19, con más de 1,7 millones de casos detectados. A pesar de la segunda ola de contagios que ha azotado al país en los últimos meses, el Hospital Clínic de Barcelona ha conseguido reducir a la mitad la mortalidad de sus pacientes de coronavirus gracias a la inteligencia artificial.
El hospital catalán ha desarrollado una herramienta de aprendizaje automático que puede predecir cuándo se deteriorará un paciente con COVID y cómo personalizar el tratamiento de ese individuo para evitar el peor resultado.
“Cuando tienes un solo paciente que está en estado crítico, puedes cuidarlo especialmente. Pero cuando son 700, necesitas este tipo de herramienta”, dice Carol García-Vidal, médica especializada en enfermedades infecciosas y Investigador del IDIBAPS que ha liderado el desarrollo de la herramienta.
VER: Gestión de IA y ML en la empresa 2020: los líderes tecnológicos aumentan el desarrollo y la implementación de proyectos (Premium de TechRepublic)
Antes de la pandemia, el hospital ya había estado trabajando en un software para convertir datos variables en una forma analizable. Entonces, cuando el hospital comenzó a recibir pacientes con COVID en marzo, puso el sistema a trabajar analizando tres billones de datos estructurados y anónimos de 2,000 pacientes.
El objetivo era entrenarlo para reconocer patrones y comprobar qué tratamientos eran los más efectivos para cada paciente y cuándo debían administrarse.
Ese trabajo subrayó a García-Vidal y su equipo que el virus no se manifiesta de la misma manera para todos. “Hay pacientes con respuesta inflamatoria, pacientes con coagulopatías y pacientes que desarrollan superinfecciones”, dice García-Vidal a MarketingyPublicidad.es. Cada grupo necesita fármacos diferentes y por tanto un tratamiento personalizado.
Gracias a una subvención de EIT Health, el sistema de IA se ha convertido en una pantalla de tablero en tiempo real en las computadoras de los médicos que se ha convertido en una de sus herramientas diarias. Bajo la supervisión de un epidemiólogo, la herramienta permite clasificar a los pacientes y ofrecerles un tratamiento más personalizado.
“Nadie ha hecho esto antes”, dice García-Vidal, quien dice que los investigadores agregaron recientemente dos patrones más al sistema para incluir a los pacientes que están estables y pueden salir del hospital, liberando así una cama, y aquellos pacientes que tienen más probabilidades. morir. Las predicciones tienen un 90% de precisión.
“Es muy útil para los médicos con menos experiencia y los que tienen una especialidad que no tiene que ver con la COVID, como ginecólogos o traumatólogos”, dice. Como en muchos países, se llamó a médicos de todas las áreas especializadas para tratar a los pacientes durante la primera ola de la pandemia.
El sistema también se está utilizando durante la segunda ola actual porque, según García-Vidal, se ha disparado el número de pacientes en cuidados intensivos en los hospitales catalanes. El plan es poner la herramienta a disposición de otros hospitales.
Mientras tanto, el Barcelona Supercomputing Center (BSC) también está analizando un conjunto de datos correspondientes a 3.000 casos médicos generados por el Hospital Clínic durante la fase aguda de la pandemia en marzo.
El objetivo es desarrollar un modelo basado en redes neuronales de aprendizaje profundo que buscará patrones comunes y generará predicciones sobre la evolución de los síntomas. El objetivo es saber si es probable que un paciente necesite un sistema de ventilación o sea enviado directamente a cuidados intensivos.
VER: Los algoritmos nos están mirando, pero ¿quién está mirando los algoritmos?
Algunos datos, como la edad, el sexo, los signos vitales y la medicación administrada, están estructurados, pero otros no, porque consisten en texto escrito en lenguaje natural en forma de, por ejemplo, informes de alta hospitalaria y radiología, dice la investigadora del BSC, Marta. explica Villegas.
La supercomputación aporta la capacidad y potencia computacional para extraer información esencial de estos informes y entrenar modelos basados en redes neuronales para predecir la evolución de la enfermedad así como la respuesta a los tratamientos dadas las condiciones previas de los pacientes.
Este enfoque, basado en el procesamiento del lenguaje natural, también se está probando en un hospital de Madrid.
