Es diu 'COVID-19 cara a cara' i podria ser un gran avanç per al control de la pandèmia. Des de la Unitat Mixta d'Investigació en Tecnologies de la Informació i la Comunicació Aplicades a la Reingenieria de Processos Sanitaris del IIS La Fe de l'Hospital La Fe de València fa uns mesos que treballen en el desenvolupament d'una eina basada en la ciència de dades per a poder anticipar-se a l'evolució, abast i gravetat de la Covid-19, el projecte de la qual ha sigut dirigit pel doctor Bernardo Valdivieso. Això permetria estimar amb més antelació la demanda de serveis sanitaris i l'optimització de la gestió dels recursos assistencials. El projecte ha sigut finançat per l'Agència Valenciana de la Innovació (AVI), en el qual també participen l'Institut Tecnològic d'Informàtica (ITI), l'Institut Valencià d'Intel·ligència Artificial de la Universitat Politècnica de València (UPV) i l'empresa Lucentia de la Universitat d'Alacant.
L'eina planteja l'estudi, desenvolupament, i avaluació de diferents models predictius i descriptius sobre la Covid-19 que permeten analitzar i estimar de manera probabilística l'evolució, tractament i gestió hospitalària així com comparar l'evolució de l'impacte de la Covid-19 en relació amb altres llocs i moments. Des de l'equip expliquen que "encara que el projecte pretén millorar la gestió de la Covid-19 mitjançant el desenvolupament de diferents models predictius que actuen tant en l'àmbit clínic com de gestió de recursos, per a nosaltres, l'objectiu prioritari del projecte seria poder desenvolupar i validar un model predictiu que permeta conéixer de forma anticipada com evolucionarà clínicament un pacient, és a dir, conéixer si necessitarà ser hospitalitzat o no, si requerirà vigilància intensiva o ús de respiradors, amb la finalitat d'actuar de manera proactiva en les seues cures i disposar dels recursos necessaris per a aquest fi".
El projecte també contempla l'estudi de les variables que tenen un major impacte en l'evolució clínica. Així, es desenvoluparan models que permeten analitzar l'èxit dels tractaments administrats a pacients diagnosticats amb Covid-19, i s'utilitzaran per a identificar nous tractaments. Amb aquesta informació es desenvoluparan models predictius de demanda de serveis sanitaris amb la finalitat d'optimitzar la gestió dels recursos assistencials, segons les mateixes fonts.
L'objectiu és identificar possibles factors de risc que estiguen associats a les diferències en l'afectació, evolució i resultat de la infecció en diferents individus i desenvolupar i adaptar les eines de machine learning, disponible en l'actualitat, per a millorar el diagnòstic i pronòstic de la malaltia. D'aquesta manera, es podria preveure el nombre de contagis i quina seria la gravetat, és a dir, avançar el diagnòstic per a conéixer anticipadament l'evolució de la malaltia. Segons les fonts, indiquen que l'anàlisi massiva de les dades clíniques de pacients i població sana possibilitaran el desenvolupament d'eines predictives capaces de pronosticar l'evolució clínica de cada pacient, personalitzar les línies de tractament, optimitzar la gestió de recursos assistencials, identificar factors de reg, reconéixer nous símptomes o signes clínics, així com millorar la resposta assistencial i preventiva.
Els beneficis d'aquesta nova eina són múltiples, però, com recullen les dades i com funciona en si l'algorisme? "Abans de recollir o accedir a les dades per a desenvolupar un model predictiu és necessari definir bé la finalitat d'eixe model. És a dir, definir i perfilar quins objectius concrets pretén aconseguir. Després d'això, s'accedeix i extrauen les dades i informació necessària i es prepara per a la seua anàlisi. Aquesta preparació de les dades és un pas fonamental per a la qualitat del model. Després d'això, s'inicien les anàlisis i es preparen els models amb l'aplicació de tècniques matemàtiques avançades. Abans de la seua transferència a l'entorn clínic, és necessari que els algorismes sofisticats que s'han creat s'entrenen amb dades reals i se sotmeten a correccions. En tot moment, el maneig de les dades es fa de manera confidencial i anònima, seguint les indicacions i exigències de marcades per la legislació vigent en matèria de protecció de dades", aclareixen.
Segons el doctor Bernardo Valdivieso, ''predir l'evolució i impacte de l'epidèmia és fonamental per a la presa de decisions. L'anàlisi de dades massives mitjançant tècniques de Big Data i Intel·ligència Artificial possibilitarà la detecció precoç de la malaltia, així com de complicacions greus associades a la COVID-19″. "Així mateix, permetrà desenvolupar i implementar eines que faciliten la predicció dels recursos necessaris per a fer front a la pandèmia', ha indicat.
No obstant això, els resultats no serien transferibles a persones sanes. "Aquest projecte se centra en persones que ja tenen la infecció per Coronavirus i a predir la seua evolució i necessitats assistencials. És a dir, el model no serviria per a estimar el risc de contagi en persones sanes", aclareix l'equip. Amb l'estudi, tant de pacients sans com diagnosticats, es desenvoluparan models predictius per a tots els estats de la malaltia que podran predir les probabilitats que té una persona d'incubació, hospitalització, manifestacions greus, aquells que poden derivar a l'UCI amb o sense possible ús de respiradors i aquells que tenen més probabilitat de defunció.
El projecte va sorgir com a resultat de les converses d'un grup de treball multidisciplinari de clínics i científics de dades promogut per la secretària autonòmica d'Universitats i Recerca, Carmen Bevià, per a fomentar el treball mixt entre experts en intel·ligència artificial i ciència de dades, representants de Sanitat i de resposta d'emergències.
La Intel·ligència artificial (IA) i el seu ús en l'entorn clínic
L'aplicació de les eines de IA en l'entorn sanitari no és un tema de recent aparició. Els primers usos –o intents d'ús- de la intel·ligència artificial en la medicina van ser en els anys 60 i 70. No obstant això, amb la creixent disponibilitat de les dades sanitàries i el desenvolupament d'aplicacions d'intel·ligència artificial és un focus de gran interés en l'àmbit de la investigació aplicada a la salut. Actualment, les eines de IA per al seu ús o transferència a l'entorn clínic més conegudes o amb major interés engloben tres àrees fonamentals.En primer lloc, la IA s'utilitza en eines orientades a millorar la capacitat diagnòstica, és a dir, a identificar de manera precoç alguna malaltia o alteració en l'estat de salut. "Per exemple, s'estan desenvolupant algorismes que, després d'interpretar una gran quantitat d'informació disponible en les històries clíniques, són capaces de predir el risc o les possibilitats d'aparició d'una malaltia com el càncer de mama o de pulmó; o el risc d'alguna complicació", argumenten des de l'equip.
Una altra de les aplicacions concretes de la IA és la interpretació d'imatges mèdiques. Això millora l'anàlisi de les imatges de radiodiagnòstic, per exemple en mamografies, ressonàncies magnètiques... per a arribar a un millor diagnòstic i de forma més precoç, si és possible.
Finalment, també cal destacar les eines de suport a la presa de decisions clíniques. Aquests sistemes processen la informació dels pacients i, després d'això, proporcionen –en temps real- informació i suggeriments mèdicament rellevants als clínics, com per exemple: la millor opció de tractament farmacològic per a un pacient. El càncer de mama és una de les patologies en les quals més aplicacions s'estan desenvolupant.
Aquesta eina va més enfocada a evitar el contagi més que d'erradicar el virus. El control i la contingència de la pandèmia per Covid exigeix d'estratègies de salut pública transversals a diferents sectors (sanitari, econòmic, social...) i en diferents nivells, des de decisions o normatives polítiques en el nivell meso o macro a mesures individuals com la rentada de mans o el respecte de la distància mínima en el nivell micro).
Amb aquest projecte multidisciplinari el IIS La Fe busca millorar l'evidència científica i la gestió de la crisi sanitària actual integrant tècniques d'estadística avançada i intel·ligència artificial en la pràctica clínica assistencial.