Investigadores de la Universidad de Utah y del Intermountain Primary Children’s Hospital desarrollaron recientemente herramientas de inteligencia artificial para ayudar a predecir el inicio y los resultados de las enfermedades cardiovasculares.
en un estudio publicado esta semana en PLOS Salud Digital, los científicos explicaron que utilizaron un software de aprendizaje automático para extraer los registros de salud electrónicos anonimizados de millones de pacientes.
Luego identificaron los efectos de las condiciones comórbidas y la demografía en la salud cardiovascular.
«Podemos recurrir a la IA para ayudar a refinar el riesgo de prácticamente todos los diagnósticos médicos», dijo el Dr. Martin Tristani-Firouzi, autor correspondiente del estudio y cardiólogo pediátrico de U of U Health e Intermountain Primary Children’s Hospital, en una declaración que acompaña a la investigación.
«El riesgo de cáncer, el riesgo de cirugía de tiroides, el riesgo de diabetes, cualquier término médico que pueda imaginar», agregó.
POR QUÉ ES IMPORTANTE
Los investigadores señalan que el uso de métodos de ciencia de datos en EHR tiene aplicaciones potencialmente amplias, pero que aún existen desafíos tecnológicos.
Por ejemplo, señalan, existe margen de mejora cuando se trata de separar los impactos de las comorbilidades y las variables demográficas en la salud del paciente.
Utilizando un método de descubrimiento de comorbilidad llamado comorbilidad basada en el binomio de Poisson (PBC), el equipo buscó en 1,6 millones de registros de pacientes diagnósticos, procedimientos y medicamentos comórbidos.
«El resultado es una red de enfermedades, desprovista de información de salud protegida, que es muy adecuada para impulsar la investigación de resultados posteriores», escribieron en el estudio.
Sin embargo, se observa que se necesita más peso computacional para calcular las contribuciones de múltiples variables condicionalmente dependientes en un resultado.
Ahí es donde entran los modelos gráficos probabilísticos o PGM.
«Los PGM son capaces de responder a una consulta de predicción de cualquier variable condicionada a cualquier conjunto de entradas incluidas en el modelo», escribieron los investigadores.
El equipo de investigación aprovechó estas tecnologías para centrarse en las comorbilidades en torno a tres áreas: trasplante de corazón, disfunción del nódulo sinoauricular y cardiopatía congénita.
«Nuestros resultados iluminan los paisajes demográficos y comórbidos que rodean estos resultados cardiovasculares clave en el oeste intermontañoso de EE. UU., y demuestran cómo nuestro enfoque puede informar las disparidades en la atención médica con resultados cuantitativos precisos en el contexto de un sistema de atención médica específico», escribieron.
Entre los adultos, el equipo se centró en varios predictores, incluido un riesgo 86 veces mayor de trasplante de corazón entre las personas diagnosticadas con miocardiopatía y un riesgo 59 veces mayor para las personas diagnosticadas con miocarditis viral.
El predictor individual más fuerte de trasplante de corazón fue el uso del medicamento milrinona, que conllevaba un riesgo 175 veces mayor.
«Tenga en cuenta que no estamos sugiriendo que la milrinona provoque un trasplante de corazón, sino que la prescripción de milrinona en el historial médico de un paciente es un poderoso predictor de un futuro trasplante de corazón», escribieron.
Algunas morbilidades combinadas tenían un mayor riesgo: un paciente con cardiomiopatía que requiere milrinona tiene un riesgo 407 veces mayor de trasplante de corazón, encontraron.
Además, el equipo científico también examinó las diferencias entre las poblaciones.
Por ejemplo, encontraron, en el sistema hospitalario de la Universidad de Utah, que un paciente hispano con fibrilación auricular tiene un riesgo 61 veces mayor de disfunción del nódulo sinoauricular, en comparación con un riesgo 30 veces mayor para los pacientes blancos y un riesgo 40 veces mayor para los pacientes negros.
«Estos resultados subrayan el potencial de nuestro enfoque para informar [and] Disparidades raciales en la atención médica con resultados precisos y cuantitativos, y en el contexto de un sistema de atención médica específico», escribieron.
LA TENDENCIA MÁS GRANDE
La gran cantidad de información en los EHR, especialmente en los grandes sistemas de salud, los convierte en objetivos maduros para el análisis.
En mayo de 2021, Derek Baird de Sensyne Health señaló que los investigadores y las empresas pueden usar la IA para recopilar, almacenar y analizar grandes conjuntos de datos a un ritmo mucho más rápido que los procesos manuales.
«Esto les permite llevar a cabo investigaciones de manera más rápida y eficiente, basándose en datos sobre la genética de muchos pacientes, y desarrollar terapias dirigidas de manera efectiva», dijo. Noticias de TI para el cuidado de la salud.
EN EL REGISTRO
«No importa qué tan consciente esté, no hay forma de mantener todo el conocimiento que necesita en su cabeza como profesional médico hoy en día para tratar a los pacientes de la mejor manera posible», dijo Mark Yandell, autor principal del estudio. estudio, en un comunicado.
«Las máquinas computacionales que estamos desarrollando ayudarán a los médicos a tomar las mejores decisiones posibles sobre el cuidado del paciente, utilizando toda la información pertinente disponible en nuestra era electrónica. Estas máquinas son vitales para el futuro de la medicina», añadió.
Kat Jercich es editora sénior de Healthcare IT News.
Gorjeo: @kjercich
Correo electrónico: [email protected]
Healthcare IT News es una publicación de HIMSS Media.
«उत्साही सामाजिक मिडिया कट्टर»
