¿Cuál es el perfil del paciente candidato a UCI por coronavirus?

Artículo de opinión de Ignacio Hernández Medrano, fundador y director médico de Savana

¿Cómo hacer frente a los numerosos interrogantes clínicos que persisten en torno a la letalidad del actual coronavirus? ¿Qué pacientes tienden a despertar mayores alertas clínicas? ¿Cuál es el perfil de enfermo con covid-19 candidato a cuidados intensivos aun sin signos graves al diagnóstico? En plena tercera ola de la pandemia, con la irrupción de nuevas cepas del SARS-CoV-2 y los contagios desbocados, la carrera científico-médica para ponerle freno al virus gana impulso. Médicos, investigadores y hospitales, con la tecnología de inteligencia artificial de la empresa Savana, en el marco de una amplia red de colaboración científica para el avance del conocimiento clínico global, hemos estado trabajando conjuntamente para tratar de dar respuesta a estas preguntas.

A través de un modelo predictivo generado mediante Inteligencia Artificial para la lectura de las historias clínicas de más de 10.000 pacientes con covid-19 en el pico de la primera ola de la pandemia, se han identificado tres indicadores combinados que delatan el perfil de paciente con coronavirus candidato a ingresar en la Unidad de Cuidados Intensivos (UCI) de un hospital con independencia de si el primer contacto se produce en Atención Primaria o en Especializada: mayor de 58 años, fiebre superior a 39 grados y taquipnea, es decir, más de 20 respiraciones por minuto. La utilidad de la información no radica en su sensibilidad (los signos clínicos son esperables), sino en su especificidad (son estos y no otros los que predicen el desarrollo clínico), y teniendo en cuenta lo fácil que resulta su aplicación en la práctica clínica diaria, estos indicadores predictivos están siendo incorporados por varios centros españoles en sus respectivos protocolos de actuación covid-19.

Analizar en tiempo real millones de historias clínicas de pacientes

El modelo de predicción de ingresos en UCI utiliza la tecnología EHRead de Savana basada en procesamiento del lenguaje natural y machine learning o aprendizaje automático, unas técnicas asimismo aplicadas en otros ámbitos y actividades para el análisis masivo de datos, pero ¿Cuáles son sus ventajas en el área de la salud? Una de las grandes fortalezas que quiero destacar es la capacidad de esta tecnología para interpretar y analizar en tiempo real el valioso contenido médico que atesoran millones de historias clínicas de pacientes, almacenadas en los sistemas informáticos de los hospitales. La lectura, siempre anonimizada y en tiempo real, de todos esos registros que anotan día a día los médicos en texto libre, no estructurado, sobre sus pacientes supone un verdadero hito para el avance del conocimiento clínico, supone generar Deep Real World Evidence.

Esta tecnología es capaz de detectar las asociaciones entre variables clínicas que pueden tener repercusiones significativas, de modo que, si un síntoma, por ejemplo, la fiebre, sólo es relevante para ciertos pacientes, de acuerdo a la edad, dicha relación es automáticamente identificada. Así, para explicar con extremos el modelo predictivo anteriormente citado, si una persona de entre 40 y 79 años con coronavirus tiene taquipnea y acude a urgencias previo paso por atención primaria, acabará ingresada en la UCI, en el 95 % de los casos. Si, por el contrario, el paciente carece de taquipnea, es menor de 56 años y tiene fiebre inferior a 39 grados no requerirá cuidados intensivos, casi con seguridad.

¿Cómo pronosticar el momento exacto del “salto” a un estado crítico del paciente? Al contrario que otras disciplinas, la medicina no es una ciencia exacta, por lo que no es siempre fácil pronosticar la evolución del paciente, ni tampoco el punto de inflexión o esa línea roja que determinará el momento exacto del “salto” a un estado grave de salud. Casi el 5 % de los hospitalizados por coronavirus terminan necesitando UCI, según los primeros hallazgos publicados, del estudio del informe internacional Big COVIData sobre coronavirus con datos del pico de la primera ola de la pandemia en España.

Tradicionalmente los métodos clínicos predictivos requerían para su desarrollo meses de recopilación de datos, mediante cuestionarios con múltiples obstáculos para ser validados. Es, por tanto, una excelente noticia, que las nuevas técnicas permitan ya hacer estudios de primer nivel científico en tiempo real con datos actualizados en pleno pico de una pandemia. Creo honestamente, que la actual crisis sanitaria o cualquier otra que pudiera sacudir al mundo en el futuro, incluirá, sin duda, para su erradicación, el uso de estas nuevas tecnologías de macrodatos, y la “inteligencia” artificial. Este tipo de herramientas de última generación, puestas ya a disposición de la comunidad científico-médica, están demostrando garantías para el desarrollo de un nuevo marco global de conocimiento clínico y una gestión mundial de la salud más eficiente. Todo ello, quiero insistir, con las máximas garantías de privacidad y responsabilidad en la recopilación y procesamiento de la información a escala mundial, como está quedando demostrado, en beneficio de la salud de los pacientes de cualquier lugar del mundo.

Ignacio Hernández Medrano es fundador y director médico de Savana