Se llama ‘COVID-19 cara a cara’ y podría ser un gran avance para el control de la pandemia. Desde la Unidad Mixta de Investigación en Tecnologías de la Información y la Comunicación Aplicadas a la Reingeniería de Procesos Sanitarios del IIS La Fe del Hospital La Fe de València se lleva unos meses trabajando en el desarrollo de una herramienta basada en la ciencia de datos para poder anticiparse a la evolución, alcance y gravedad del Covid-19, cuyo proyecto ha sido dirigido por el doctor Bernardo Valdivieso. Esto permitiría estimar con más antelación la demanda de servicios sanitarios y la optimización de la gestión de los recursos asistenciales. El proyecto ha sido financiado por la Agencia Valenciana de la Innovación (AVI), en el que también participan el Instituto Tecnológico de Informática (ITI), el Instituto Valenciano de Inteligencia Artificial de la Universitat Politècnica de València (UPV) y la empresa Lucentia de la Universidad de Alicante.
La herramienta plantea el estudio, desarrollo, y evaluación de diferentes modelos predictivos y descriptivos sobre la Covid-19 que permitan analizar y estimar de forma probabilística la evolución, tratamiento y gestión hospitalaria así como comparar la evolución del impacto de la Covid-19 en relación con otros lugares y momentos. Desde el equipo explican que "aunque el proyecto pretende mejorar la gestión de la Covid-19 mediante el desarrollo de diferentes modelos predictivos que actúen tanto a nivel clínico como de gestión de recursos, para nosotros, el objetivo prioritario del proyecto sería el poder desarrollar y validar un modelo predictivo que permita conocer de forma anticipada cómo evolucionará clínicamente un paciente, es decir, conocer si necesitará ser hospitalizado o no, si requerirá cuidados intensivos o uso de respiradores, con el fin de actuar de forma proactiva en sus cuidados y disponer de los recursos necesarios para este fin".
El proyecto también contempla el estudio de las variables que tienen un mayor impacto en la evolución clínica. Así, se desarrollarán modelos que permitan analizar el éxito de los tratamientos administrados a pacientes diagnosticados con Covid-19, y se utilizarán para identificar nuevos tratamientos. Con esta información se desarrollarán modelos predictivos de demanda de servicios sanitarios con el fin de optimizar la gestión de los recursos asistenciales, según las mismas fuentes.
El objetivo es identificar posibles factores de riesgo que estén asociados a las diferencias en la afectación, evolución y resultado de la infección en diferentes individuos y desarrollar y adaptar las herramientas de machine learning, disponibles en la actualidad, para mejorar el diagnóstico y pronóstico de la enfermedad. De esta forma, se podría prever el número de contagios y cuál sería la gravedad, es decir, adelantar el diagnóstico para conocer anticipadamente la evolución de la enfermedad. Según las fuentes, indican que el análisis masivo de los datos clínicos de pacientes y población sana posibilitarán el desarrollo de herramientas predictivas capaces de pronosticar la evolución clínica de cada paciente, personalizar las líneas de tratamiento, optimizar la gestión de recursos asistenciales, identificar factores de riego, reconocer nuevos síntomas o signos clínicos, así como mejorar la respuesta asistencial y preventiva.
Los beneficios de esta nueva herramienta son múltiples, pero, ¿cómo recogen los datos y cómo funciona en sí el algoritmo? "Antes de recoger o acceder a los datos para desarrollar un modelo predictivo es necesario definir bien la finalidad de ese modelo. Es decir, definir y perfilar qué objetivos concretos pretende alcanzar. Tras esto, se accede y extraen los datos e información necesaria y se prepara para su análisis. Esta preparación de los datos es un paso fundamental para la calidad del modelo. Después de esto, se inician los análisis y se preparan los modelos con la aplicación de técnicas matemáticas avanzadas. Antes de su transferencia al entorno clínico, es necesario que los algoritmos sofisticados que se han creado se entrenen con datos reales y se sometan a correcciones. En todo momento, el manejo de los datos se hace de forma confidencial y anónima, siguiendo las indicaciones y exigencias de marcadas por la legislación vigente en materia de protección de datos", aclaran.
Según el doctor Bernardo Valdivieso, ‘‘predecir la evolución e impacto de la epidemia es fundamental para la toma de decisiones. El análisis de datos masivos mediante técnicas de Big Data e inteligencia artificial posibilitará la detección temprana de la enfermedad, así como de complicaciones graves asociadas a la COVID-19″. "Asímismo, permitirá desarrollar e implementar herramientas que faciliten la predicción de los recursos necesarios para hacer frente a la pandemia’, ha indicado.
No obstante, los resultados no serían transferibles a personas sanas. "Este proyecto se centra en personas que ya tienen la infección por Coronavirus y en predecir su evolución y necesidades asistenciales. Es decir, el modelo no serviría para estimar el riesgo de contagio en personas sanas", aclara el equipo. Con el estudio, tanto de pacientes sanos como diagnosticados, se desarrollarán modelos predictivos para todos los estados de la enfermedad que podrán predecir las probabilidades que tiene una persona de incubación, hospitalización, manifestaciones graves, aquellos que pueden derivar a las UCI con o sin posible uso de respiradores y aquellos que tienen más probabilidad de fallecimiento.
El proyecto surgió como resultado de las conversaciones de un grupo de trabajo multidisciplinar de clínicos y científicos de datos promovido por la secretaria autonómica de Universidades e Investigación, Carmen Beviá, para fomentar el trabajo mixto entre expertos en inteligencia artificial y ciencia de datos, representantes de Sanidad y de respuesta de emergencias.
La Inteligencia artificial (IA) y su uso en el entorno clínico
La aplicación de las herramientas de IA en el entorno sanitario no es un tema de reciente aparición. Los primeros usos –o intentos de uso- de la inteligencia artificial en la medicina fueron en los años 60 y 70. Sin embargo, con la creciente disponibilidad de los datos sanitarios y el desarrollo de aplicaciones de inteligencia artificial es un foco de gran interés en el ámbito de la investigación aplicada a la salud. Actualmente, las herramientas de IA para su uso o transferencia al entorno clínico más conocidas o con mayor interés engloban tres áreas fundamentales.En primer lugar, la IA se utiliza en herramientas orientadas a mejorar la capacidad diagnóstica, es decir, a identificar de forma precoz alguna enfermedad o alteración en el estado de salud. "Por ejemplo, se están desarrollando algoritmos que, tras interpretar una gran cantidad de información disponibles en las historias clínicas, son capaces de predecir el riesgo o las posibilidades de aparición de una enfermedad como el cáncer de mama o de pulmón; o el riesgo de alguna complicación", argumentan desde el equipo.
Otra de las aplicaciones concretas de la IA es la interpretación de imágenes médicas. Esto mejora el análisis de las imágenes de radiodiagnóstico, por ejemplo en mamografías, resonancias magnéticas... para llegar a un mejor diagnóstico y de forma más precoz, si es posible.
Por último, también hay que destacar las herramientas de apoyo a la toma de decisiones clínicas. Estos sistemas procesan la información de los pacientes y, tras ello, proporcionan –en tiempo real- información y sugerencias médicamente relevantes a los clínicos, como por ejemplo: la mejor opción de tratamiento farmacológico para un paciente. El cáncer de mama es una de las patologías en las que más aplicaciones se están desarrollando.
En relación con el proyecto que están desarrollando, "también cabe comentar las aplicaciones de IA orientadas a mejorar aspectos de la organización asistencial. A priori, parece un aspecto menos revolucionario o impactante que los anteriores, pero es igualmente relevante para mejorar la atención y la salud de las personas".
Esta herramienta va más enfocada a evitar el contagio más que de erradicar el virus. El control y la contingencia de la pandemia por Covid exige de estrategias de salud pública transversales a distintos sectores (sanitario, económico, social...) y en distintos niveles, desde decisiones o normativas políticas en el nivel meso o macro a medidas individuales como el lavado de manos o el respeto de la distancia mínima en el nivel micro).
Con este proyecto multidisciplinar el IIS La Fe busca mejorar la evidencia científica y la gestión de la crisis sanitaria actual integrando técnicas de estadística avanzada e inteligencia artificial en la práctica clínica asistencial.