El Ins­ti­tu­to de Inves­ti­ga­ción Sani­ta­ria INCLIVA, del Hos­pi­tal Clí­ni­co de Valen­cia, y el Ins­ti­tu­to de Inves­ti­ga­ción del Hos­pi­tal Uni­ver­si­ta­rio 12 de Octu­bre de Madrid i+12 de Madrid par­ti­ci­pan en el desa­rro­llo de un nue­vo sis­te­ma de Inte­li­gen­cia Arti­fi­cial (IA) y apren­di­za­je auto­má­ti­co lide­ra­do por la Uni­ver­si­tat Poli­tèc­ni­ca de Valèn­cia (UPV), que faci­li­ta­rá el pro­nós­ti­co y la esti­ma­ción de la evo­lu­ción de pacien­tes con Covid-19, en el momen­to del ingre­so hos­pi­ta­la­rio.

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.

El Dr. Rafael Bade­nes, del Gru­po de Inves­ti­ga­ción en Anes­te­sia de INCLIVA, Jefe de la Sec­ción de Anes­te­sia del Hos­pi­tal Clí­ni­co de Valen­cia y pro­fe­sor de la UV, ase­gu­ra que, “des­de un pun­to de vis­ta clí­ni­co, el con­tar con herra­mien­tas de Inte­li­gen­cia Arti­fi­cial que sean capa­ces de pre­de­cir, en fases tem­pra­nas de la enfer­me­dad, cuál va a ser el deve­nir de la mis­ma, cons­ti­tu­ye un ele­men­to cru­cial en la lucha con­tra la enfer­me­dad”. En este sen­ti­do, expli­ca que “en aque­llos casos en los que se pre­vé mayor gra­ve­dad, se podrían ins­tau­rar tra­ta­mien­tos de mane­ra más pre­coz, con el obje­ti­vo final de redu­cir los ingre­sos en UCI y la mor­ta­li­dad”.

“La hete­ro­ge­nei­dad y com­ple­ji­dad de la COVID19 hace impres­cin­di­ble el uso de téc­ni­cas muy avan­za­das y sofis­ti­ca­das de aná­li­sis, para poder iden­ti­fi­car los patro­nes clí­ni­cos y epi­de­mio­ló­gi­cos toda­vía muy des­co­no­ci­dos en esta enfer­me­dad. Cree­mos que este pro­yec­to pue­de con­tri­buir a lograr este obje­ti­vo”, aña­de el Dr. Agus­tín Gómez de la Cáma­ra, jefe de la Uni­dad de Inves­ti­ga­ción y Sopor­te Cien­tí­fi­co del Hos­pi­tal 12 de Octu­bre.

Es impor­tan­te des­ta­car el carác­ter mul­ti­dis­ci­pli­nar e inno­va­dor del estu­dio en el que han par­ti­ci­pa­do pro­fe­sio­na­les muy diver­sos, como inge­nie­ros, médi­cos espe­cia­lis­tas en medi­ci­na pre­ven­ti­va, en anes­te­sio­lo­gía y reani­ma­ción,  bió­lo­gos y bio­es­ta­dís­ti­cos. 

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). 

Uno de los prin­ci­pa­les desa­fíos para el apren­di­za­je auto­má­ti­co en el Covid-19 es la cali­dad de los datos, reto al que esta herra­mien­ta del Bio­me­di­cal Data Scie­n­­ce­­Lab-ITA­­CA de la UPV, ayu­da­rá a res­pon­der. Según expli­ca Juan Miguel Gar­­cía-Gómez, coor­di­na­dor del BDS­­Lab-ITA­­CA de la UPV, el apren­di­za­je auto­má­ti­co tie­ne el poten­cial de ayu­dar en esta tarea median­te la apli­ca­ción de téc­ni­cas de apren­di­za­je no super­vi­sa­do y super­vi­sa­do a los Regis­tros de Salud Elec­tró­ni­cos (EHR) de los hos­pi­ta­les. Estas téc­ni­cas per­mi­ten extraer los patro­nes más sig­ni­fi­ca­ti­vos del his­to­rial de comor­bi­li­dad del pacien­te, los sín­to­mas y las prue­bas de labo­ra­to­rio en el momen­to del ingre­so, has­ta sus últi­mos datos de la Uni­dad de Cui­da­dos Inten­si­vos (UCI), que pue­den con­du­cir a una estra­ti­fi­ca­ción tem­pra­na del pacien­te y a la pre­dic­ción de su gra­ve­dad. 

Sin embar­go, hay fuer­tes evi­den­cias de que los datos reales (real world data, RWD) con­te­ni­dos en los Regis­tros de Salud Elec­tró­ni­cos de los hos­pi­ta­les están lejos de ser per­fec­tos, lo que limi­ta su extrac­ción de cono­ci­mien­to tan­to por los pro­fe­sio­na­les médi­cos como por las máqui­nas que pue­den ayu­dar al diag­nós­ti­co del pacien­te. Ade­más, la varia­bi­li­dad inhe­ren­te a la prác­ti­ca clí­ni­ca y la codi­fi­ca­ción de datos entre los hos­pi­ta­les, o inclu­so entre sus pobla­cio­nes des­ti­na­ta­rias, pue­de ses­gar cual­quier resul­ta­do extraí­do de los datos.

“Por lo tan­to, 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 y esto es a lo que con­tri­bu­ye la meto­do­lo­gía que hemos idea­do, que será emplea­da, por pri­me­ra vez, en esta herra­mien­ta”, apun­ta Car­los Sáez, inves­ti­ga­dor post­doc­to­ral del BDS­­Lab-ITA­­CA de la UPV y coor­di­na­dor del pro­yec­to.