Aprendizaje automático en cardiología, lo que se viene.
Créditos de las imagenes: Technion Press Room.
La fibrilación auricular es un ritmo cardíaco anormal que no pone en peligro la vida de inmediato, pero aumenta significativamente el riesgo de accidente cerebrovascular y muerte de los pacientes. Científicos de Israel utilizan el aprendizaje automático para la predicción del riesgo de fibrilación auricular.
Shany Biton y Sheina Gendelman, dos estudiantes que trabajan bajo la supervisión del profesor Joachim A. Behar, escribieron un algoritmo de aprendizaje automático capaz de predecir con precisión si un paciente desarrollará fibrilación auricular en 5 años.
El estudio fue publicado en European Heart Journal – Digital Health.
Conceptualmente, los investigadores buscaron averiguar si un algoritmo de aprendizaje automático podría capturar patrones predictivos de fibrilación auricular aunque no hubiera fibrilación auricular diagnosticada por un cardiólogo humano en ese momento.
Advertir a los pacientes que están en riesgo de desarrollarla puede darles tiempo para cambiar su estilo de vida y evitar o posponer la aparición de la enfermedad.
También puede alentar los seguimientos regulares con el cardiólogo del paciente, asegurando que si se desarrolla la afección, se identificará rápidamente y el tratamiento se iniciará sin demora.
Los factores de riesgo conocidos de la fibrilación auricular incluyen el estilo de vida sedentario, la obesidad, el tabaquismo, y la predisposición genética.
Biton y Gendelman utilizaron más de un millón de registros de ECG de más de 400.000 pacientes para entrenar una red neuronal profunda para reconocer a los pacientes en riesgo de desarrollar fibrilación auricular en 5 años.
Luego, combinaron la red neuronal profunda con información clínica sobre el paciente, incluidos algunos de los factores de riesgo conocidos.
Tanto los registros de ECG como la historia clínica electrónica de los pacientes fueron proporcionados por la Red de Telesalud de Minas Gerais (TNMG), un sistema público de telesalud que asiste a 811 de los 853 municipios del estado de Minas Gerais, Brasil.
El modelo de aprendizaje automático resultante pudo predecir correctamente el desarrollo del riesgo de fibrilación auricular en el 60% de los casos, al tiempo que conservaba una alta especificidad del 95%, lo que significa que solo el 5% de las personas identificadas como potencialmente en riesgo no desarrollaron la afección.
“No buscamos reemplazar al médico humano, y no creemos que sea deseable”, dijo Behar sobre los resultados, “pero deseamos poner mejores herramientas de apoyo a la toma de decisiones en manos de los médicos.
Las computadoras están mejor equipadas para procesar algunas formas de datos.
Por ejemplo, al examinar hoy un registro de ECG, un cardiólogo buscaría características específicas que se sabe que están asociadas con una enfermedad en particular.
Nuestro modelo, por otro lado, puede buscar e identificar patrones por sí solo, incluidos patrones que pueden no ser inteligibles para el ojo humano».
Los médicos han pasado de tomar el pulso de un paciente manualmente a usar un estatoscopio y luego el ECG.
El uso del aprendizaje automático para ayudar al análisis de las grabaciones de ECG podría ser el siguiente paso en ese camino.
Dado que el ECG es una prueba de rutina de bajo costo, el modelo de aprendizaje automático podría incorporarse fácilmente en la práctica clínica y mejorar la gestión de la atención médica para muchas personas.
El acceso a conjuntos de datos de más pacientes permitiría que el algoritmo mejorara progresivamente como herramienta de predicción de riesgos.
El modelo también podría adaptarse para predecir otras afecciones cardiovasculares.
No hay comentarios:
Publicar un comentario
Nota: solo los miembros de este blog pueden publicar comentarios.