Un algoritmo de aprendizaje automático desarrollado por investigadores mexicanos, ayudaría a evitar colapsos nosocomiales.

En la lucha contra la pandemia de COVID-19 cualquier aportación inteligente es bien recibida.

Es por ello que consideramos relevante compartir la conceptualización y el diseño de una herramienta de cómputo que ayudará a los médicos a identificar a aquellas personas que requieren atención médica prioritaria por COVID-19, lo que potencialmente ayudará a evitar el colapso de los sistemas hospitalarios, optimizar la toma de decisiones para la atención de cada pacientes, y disminuir la pérdida de vidas.

El algoritmo de aprendizaje automático alcanza una elevada certeza del 93.5%, y fue creado por: Alfred Barry U’Ren Cortés y Roberto de J. León-Montiel, del Instituto de Ciencias Nucleares (ICN) de la UNAM; Mario Alan Quiroz Juárez, de la UAM, con la colaboración de Armando Torres Gómez e Irma Hoyo Ulloa, del Centro Médico ABC.

El artículo íntegro sobre la herramienta tecnológica fue publicado en la revista PLOS One, bajo el título: «Identification of high-risk COVID-19 patients using machine learning”.

Una vez implementada la herramienta, los médicos podrán determinar en tiempo real las prioridades de atención médica que requieran los paciente en alguna de las cuatro etapas clínicas (Primera: el paciente acude con síntomas a una unidad médica; Segunda: se confirma el diagnóstico de COVID-19 y/o se presenta neumonía por esta enfermedad; Tercera: se hospitaliza al paciente y Cuarta: el paciente es internado en una unidad de cuidados intensivos o ha sido intubado), lo que idealmente conducirá, además de optimizar la capacidad hospitalaria y evitar su colapso, a mejorar el pronóstico de la enfermedad y el tratamiento específico para cada enfermo.

“Entrenamos este algoritmo con datos históricos, incluido el historial médico, datos demográficos e información relacionada con COVID-19. Esto se extrae de una base de datos de infecciones de COVID-19 confirmadas y sospechadas en México, que constituyen los datos oficiales de COVID-19 compilados y puestos a disposición del público por el gobierno federal mexicano. Demostramos que el método propuesto puede detectar pacientes de alto riesgo con alta precisión, en cada una de las cuatro etapas clínicas identificadas, mejorando así la planificación de la capacidad hospitalaria y el tratamiento oportuno”. PLOS One.

Al respecto, los desarrolladores comentan en el artículo publicado en PLOS One que: “El aprendizaje automático es una rama del campo de la inteligencia artificial que busca dotar a los ordenadores de una «capacidad de aprendizaje» mediante algoritmos bien definidos, para mejorar el rendimiento o realizar predicciones precisas. Por lo general, estos algoritmos aprenden de la información pasada disponible, presentada en forma de conjuntos de entrenamiento etiquetados. Los algoritmos de aprendizaje supervisado utilizan estos conjuntos de entrenamiento etiquetados para optimizar los parámetros de un modelo estadístico de modo que se minimice una función de pérdida. El modelo entrenado puede entonces hacer predicciones de manera efectiva utilizando como entrada datos que nunca se han usado en la fase de entrenamiento”.

El estudio fue apoyado financieramente por el Consejo Nacional de Ciencia y Tecnología (Conacyt), y los investigadores utilizaron los datos de más de cuatro millones 700 mil pacientes que recibieron atención médica en instituciones públicas y privadas en los 32 estados de la República Mexicana, registrados en los Anuarios Estadísticos de Morbilidad de la Dirección General de Epidemiología de la Secretaría de Salud de marzo de 2020 a enero de 2021.

Entre toda la información médica disponible de los pacientes, los investigadores se decantaron por la incorporación al sistema de 21 elementos que ofrecen mayor riqueza para el análisis predictivo, permitiendo identificar a los pacientes con mayores probabilidades de sobrevivir a la infección, o los que tienen riesgos incrementados de fallecer, los que contienen información sobre comorbilidades, demografía, y data relacionada con el episodio de COVID-19.