Varios estudios presentados en la 67.ª sesión científica anual del American College of Cardiology demuestran cómo la técnica informática conocida como aprendizaje automático puede usarse para predecir con precisión los resultados clínicos en pacientes con problemas cardíacos conocidos o potenciales. En conjunto, los hallazgos sugieren que la máquinael aprendizaje puede marcar el comienzo de una nueva era en herramientas digitales de atención médica capaces de mejorar la prestación de atención médica al ayudar a los procesos de rutina y ayudar a los médicos a evaluar el riesgo de los pacientes.
Si bien los sistemas y algoritmos de puntuación clínica se han utilizado durante mucho tiempo en la práctica médica, ha habido un marcado aumento en la aplicación del aprendizaje automático para mejorar tales herramientas en los últimos años. En contraste con los algoritmos tradicionales que requieren que todos los cálculos sean preprogramados, los algoritmos de aprendizaje automático deducen el conjunto óptimo de cálculos al buscar patrones en grandes colecciones de datos de pacientes.
Los nuevos estudios presentados en ACC.18 demuestran cómo se puede utilizar el aprendizaje automático para predecir resultados como el diagnóstico, la muerte o el reingreso en el hospital; mejorar las herramientas estándar de evaluación de riesgos; dilucidar los factores que contribuyen a la progresión de la enfermedad; o avanzar en la medicina personalizada mediantepredecir la respuesta de un paciente al tratamiento.
En un estudio, los investigadores utilizaron el aprendizaje automático para predecir qué pacientes finalmente serían diagnosticados con un ataque cardíaco después de ir al departamento de emergencias de un hospital por dolor en el pecho. El dolor en el pecho es una de las quejas más comunes entre los pacientes que visitan el departamento de emergencias, aúnsolo una minoría de estos pacientes finalmente es diagnosticada con un ataque cardíaco. En una prueba piloto, el algoritmo mostró una tasa de precisión del 94 por ciento para predecir el diagnóstico final.
"El objetivo a largo plazo es identificar a los que están en mayor riesgo y tratar a esos pacientes primero", dijo Daniel Lindholm, MD, PhD, investigador postdoctoral en la Universidad de Uppsala en Suecia y autor principal del estudio ". Si estoel trabajo se valida aún más, los hospitales podrían usarlo para seleccionar rápidamente qué pacientes están más enfermos cuando llegan al hospital, y eso podría llevar a un tiempo más corto de tratamiento para aquellos que más lo necesitan ".
Lindholm y su colega desarrollaron y probaron su algoritmo usando datos de más de 8,200 visitas al departamento de emergencias en Estocolmo entre 2011 y 2013. En la primera fase capacitación, el algoritmo usó datos de 5,800 visitas de pacientes para refinar iterativamente los árboles de decisión para identificarun diagnóstico de ataque cardíaco basado en factores como los resultados de los análisis de sangre, los signos vitales y el historial médico del paciente, los mismos datos que tendría un médico al encontrarse con un paciente por primera vez.
En la segunda fase validación, el algoritmo usa los mismos tipos de datos de pacientes de un conjunto separado de 2,400 visitas, incluidos los resultados de análisis de sangre, signos vitales e historial médico, pero se excluyó la información sobre el diagnóstico final de ataque cardíaco para evaluar cómocon precisión, el algoritmo podría predecir qué pacientes fueron finalmente diagnosticados con un ataque cardíaco.
En general, el algoritmo pudo predecir con precisión un diagnóstico de ataque cardíaco el 94 por ciento del tiempo en el conjunto de datos de validación. El noventa por ciento generalmente se considera una alta tasa de precisión para modelos de este tipo. Los investigadores también analizaron los datos de validación a través de unmodelo clínico estándar el modelo hsTnT, que incorpora solo la edad, el sexo y los niveles de troponina de alta sensibilidad del paciente, que mostró una precisión del 88 por ciento. Los resultados sugieren que el enfoque de aprendizaje automático podría ofrecer una mejora sustancial con respecto a las herramientas actuales de soporte de decisiones.
"En un sentido amplio, los métodos de aprendizaje automático han existido por bastante tiempo, pero es solo en los últimos años que hemos obtenido grandes conjuntos de datos y capacidades computacionales para usarlos en aplicaciones clínicas", dijo Lindholm ".Creo que veremos más y más sistemas de apoyo a la decisión basados en el aprendizaje automático. Pero aunque el aprendizaje automático puede mejorar la práctica médica, no creo que estos algoritmos finalmente reemplacen a los médicos, sino que, más bien, brinden apoyo a la decisión basado en los datos disponibles."Otras cosas, como la empatía, el juicio humano y la relación médico-paciente son cruciales".
Para acercar su algoritmo a la aplicación clínica, Lindholm dijo que el equipo de investigación primero deberá evaluarlo en conjuntos de datos más grandes que incluyan más hospitales en diversos entornos y luego validarlo en un estudio clínico prospectivo.
Lindholm presentará el estudio "Aprendizaje automático para la detección mejorada de infarto de miocardio en pacientes que presentan dolor torácico en el departamento de emergencias" el lunes 11 de marzo.
Fuente de la historia :
Materiales proporcionados por Colegio Americano de Cardiología . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :