El covid-19 ha mostrado la potencia predictiva del ‘machine learning’

Savana ha presentado a lo largo de un webinar el estudio BigCovidData, el primer trabajo en aplicar esta tecnología, para centrar  características clínicas y factores predictivos en la evolución de pacientes con covid-19.

El fundador y director médico de Savana realizó la introducción de la jornada y ofreció algunas claves del aprendizaje automático. Según dijo, para instruir al machine learning, en vez de ofrecer al ordenador las reglas, "se le dan los problemas resueltos de manera que las máquinas infieren las reglas. De este modo pueden solventar problemas nuevos la primera vez que lo ven". Así, según Medrano, "las máquinas adquieren una capacidad de aprendizaje por intuición, por heurística, gracias a tener muchos datos a partir de Internet".

Según indicó el responsable de Savana, el machine learning ayuda a los humanos en la clasificación, lo que aplicado a medicina podría estar relacionado con el diagnóstico, y predecir algo antes de que ocurra, es decir, el riesgo y la evolución de una enfermedad.

En la introducción de la jornada Medrano expuso algunas de las publicaciones internacionales realizadas en materia de aprendizaje automático tanto para el reposicionamiento de medicamentos, para el diagnóstico, como para la predicción de la evolución de los pacientes en el ámbito de la covid-19 y señaló que eso les animó a realizar esa misma experiencia en España.

La presentación corrió a cargo del del estudio José Luis Izquierdo, jefe de neumología del Hospital de Guadalajara y director de la cátedra de Investigación de la Universidad de Alcalá. Junto a él, participó la responsable de equipo Internacional de Hospitales, Yolanda González de esta compañía española dedicada al desarrollo de la Inteligencia Artificial (IA), además de Medrano.

El estudio presenta resultados de cuatro investigaciones, realizadas en Castilla La Mancha, en las que se han empleado de técnicas de Big Data para establecer la evolución de la enfermedad en personas afectadas por la pandemia.

Izquierdo asegura que el ensayo clínico, no “es lo único en investigación clínica”; por supuesto, asegura “va a seguir, sobre todo en el desarrollo de fármacos, pero hay que completarlo con herramientas de vida real". “Lo potente es la capacidad de predicción, predecir quién se va a poner grave”, asegura.

El responsable clínico aseguró que cada vez más es necesario el acceso a la estadística y el apoyo de los estudios poblacionales para trasladarlos a la investigación clínica. En ese sentido, aseguró, que gracias a la aplicación de Big, en los estudios pudieron analizar una población de más de un millón de pacientes con rapidez.

En ese sentido “sobre miles de informes clínicos”, se desarrollaron modelos predictivos de riesgo, desde el momento mismo en el que los pacientes entran en contacto con el sistema sanitario, generalmente, en el caso de los momentos más álgidos de la pandemia, a través del teléfono.

A modo de ejemplo, Izquierdo citó, que los estudios realizados permitieron observar que el caso de la EPOC, “no era la exacerbación del EPOC, sino neumonía grave que lleva a la complicación que condiciona el ingreso en UCI, incluso la muerte”. Igualmente, en otra patología crónica como el asma se observó que estos pacientes  “tienen un poco más de riesgo de complicaciones en covid-19”.

Otras cuestiones que permitieron estos estudios fueron, según explica Izquierdo que “los corticoides inhalados tienen menor riesgo de sufrir complicaciones, que los tratamientos biológicos pueden proteger, o que los componentes alérgicos protegen”.

“Gracias al machine learning se ha podido colocar fármacos más rápidamente en las UCIs en el contexto de la pandemia”, asegura Izquierdo, quien asegura que en la estratificación del riesgo la IA aporta una precisión que nunca se podría hacer con la estadística dopada con computación".

Mundo digitalizado

El desarrollo de estos estudios ha vuelto a poner sobre la mesa la necesidad de digitalización del sistema sanitario. Una cuestión en la que Izquierdo considera que existe “un importante margen de mejora”.

Una mejora que se extiende tanto en el campo de la gestión hospitalaria, como de los propios clínicos. Izquierdo considera que es necesario “extender la comprensión de estos procesos”, puesto que “una vez explicado y entendidos”, son aceptados. Pero a la vez es necesario formar a los profesionales sanitarios en estas técnicas.

En el mismo sentido se expresó Yolanda González, responsable equipo internacional de Hospitales e Investigación de Savana. González manifestó la contraposición entre el mundo farmacéutico y hospitalario en el uso de las tecnologías de IA.

Según explicó “las compañías farmacéuticas han hecho un uso importante de la IA para el desarrollo de la respuesta al Covid”. En su valoración, tanto la rapidez de resultados, como el manejo de nuevas terapias ha implicado la implantación de procesos de recogida masiva de datos y su utilización. Por otro lado, reconoció como propia la necesidad de que en el ámbito sanitario “se entienda y reconozca la capacidad” de estas herramientas para aportar soluciones en salud. Para ello indicó es necesario formar a los profesionales en estas herramientas.

González asegura que los datos, por si solos, si no se analizan correctamente, “no sirven para nada”. El reto  es conseguir que esa información que se acumula sea tratada por una tecnología capaz de “transformar esos datos en información”.

La responsable de equipo internacional de hospitales e investigación de Savana indica que la tecnología en IA es fundamental para establecer “tanto las necesidades del paciente”, como de ordenar los recursos del propio sistema sanitario.