Crisis coronavirus

Un sistema de IA daría pronóstico COVID-19 con “días o semanas de antelación”

El doctor Badenes explica que el aprendizaje automático de la IA "aprende a predecir condiciones futuras a partir de ejemplos y los patrones en sus datos"

Archivado en: 

Un nuevo sistema de Inteligencia Artificial (IA) facilitaría el pronóstico y la estimación de la evolución y gravedad de pacientes con COVID-19 con “días o semanas de antelación”. “El objetivo es que, tanto en el momento del ingreso hospitalario como en el ingreso en UCI, podamos anticiparnos a eventos que puedan suceder, desde varios días a semanas de antelación”, subraya el doctor Rafael Badenes, del Grupo de Investigación en Anestesia de Incliva y Jefe de la Sección de Anestesia del Hospital Clínico de València.

Incliva y el Instituto de Investigación del Hospital Universitario 12 de Octubre de Madrid participan en el desarrollo de un nuevo sistema de IA y aprendizaje automático liderado por la Universitat Politècnica de València (UPV), que facilitará el pronóstico de pacientes con COVID-19. El Sistema de Ayuda a la Decisión Clínica permitirá –mediante la combinación de síntomas, comorbilidades y pruebas de laboratorio- conocer el posible nivel de gravedad e intervenir anticipadamente ante la previsión, por ejemplo, de una insuficiencia respiratoria aguda.

“Por una parte, busca aprender nuevos subfenotipos de gravedad a partir de patrones entre síntomas, signos, pruebas de laboratorio y comorbilidades, los cuales puedan requerir diferentes tratamientos personalizados. Por otra parte, estos mismos datos se usarán para aprender a predecir outcomes conocidos relacionados con manifestaciones distintas de gravedad en el momento del ingreso (como SDRA, ingreso en UCI con o sin ventilación) o bien al ingreso en UCI (necesidad de ventilación o morbimortalidad)”, detalla el doctor Badenes.


Dr. Badenes: “Permitiría aplicar los diferentes tratamientos actuales y los que aparezcan en fases tempranas, disminuyendo así la posibilidad de mala evolución”

En este contexto, explica que el aprendizaje automático de la IA “aprende a predecir condiciones futuras a partir de ejemplos y los patrones en sus datos, es decir sobre casos retrospectivos”. “El aprendizaje no supervisado encuentra patrones en las variables que agrupan casos que son similares entre sí y a la vez distintos de otros grupos, dando lugar a nuevas clasificaciones; mientras que el supervisado aprende patrones en variables de entrada que predicen variables de salida conocidas a partir de ejemplos, patrones que se aplican a nuevos casos donde estas variables de salida son desconocidas”, precisa.

En cuanto al tratamiento a emplear, apunta que, si tuvieran conocimiento de una predicción de mala evolución, “permitiría aplicar los diferentes tratamientos actuales y los que aparezcan en fases tempranas, disminuyendo así la posibilidad de mala evolución”. En la actualidad, el diseño del modelo no supervisado de IA (descubrimiento de nuevos subfenotipos de gravedad) se ha empezado a probar con datos públicos internacionales.

rafael-badenes-incliva

Doctor Rafael Badenes

Asimismo, en el Hospital Clínic Universitari de València y en el Hospital Universitario Doce de Octubre de Madrid están comenzando a recoger los datos de los registros electrónicos y a diseñar el modelo supervisado (clasificación temprana de outcomes). “La prueba en datos internacionales ha sacado a la luz el problema de la heterogeneidad de datos, lo cual ya anticipamos en nuestro proyecto y pretendemos resolver con técnicas de IA robusta a estos problemas. En seis meses pretendemos tener unos primeros prototipos, si bien los modelos validados vendrán en el plazo de 12 meses de duración del proyecto”, subraya.

De este modo, en la última fase del proyecto podrán comenzar pruebas retrospectivas sin intervención, a fin de asegurar la robustez del sistema, pudiendo simular que habría ocurrido. “Pretendemos preparar el modelo para una validación clínica tras finalizar el proyecto”, sostiene el doctor Badenes.


Dr. Badenes: “En seis meses pretendemos tener unos primeros prototipos, pero los modelos validados vendrán en el plazo de 12 meses de duración del proyecto”

Respecto a la calidad de los datos, Carlos Sáez, investigador postdoctoral del BDSLab-ITACA de la UPV y coordinador del proyecto, señala que los métodos de aprendizaje automático y de IA requieren una evaluación y explicación de la Calidad de los Datos (DQ) asociada tanto al aprendizaje como a las nuevas predicciones para garantizar soluciones correctas y pragmáticas. “Esto es a lo que contribuye la metodología que hemos ideado, que será empleada, por primera vez, en esta herramienta”, indica Sáez.

El desarrollo de esta herramienta se enmarca en el Proyecto SUBCOVERWD-19, que ha sido uno de los seleccionados en la convocatoria del Fondo Supera COVID-19, impulsada por Crue Universidades Españolas, Banco Santander, a través de Santander Universidades, y el Consejo Superior de Investigaciones Científicas (CSIC).

coronito

Suscríbete a nuestra newsletter