El aprendizaje automático o aprendizaje de máquinas, rama de la Inteligencia Artificial (IA), podría sustituir en buena parte la labor de los médicos humanos a la hora de predecir episodios como los paros cardíacos y hasta la muerte.
A partir de esa idea expondrá en la Conferencia Internacional sobre Cardiología Nuclear y TC Cardiaca el doctor Luis Eduardo Juárez-Orozco, del Centro de PET de Turku, en Finlandia.
Juárez-Orozco es el autor de un estudio que ha puesto al algoritmo LogitBoost a analizar repetidamente 85 variables en 950 pacientes durante un período de seis años. ¿El resultado? Este «aprendió» cómo interactúan los datos de imágenes y logró identificar los patrones que correlacionan las variables con la muerte y el infarto.
El éxito del estudio va más allá, pues se estableció que el LogitBoost -muy similar a los que utiliza Netflix, Google o Spotify para la recomendación de contenido- puede predecir estos episodios con un 90% de precisión.
Este tipo de algoritmo se enfoca en adaptarse a un usuario y es empleado también para el reconocimiento facial en los teléfonos inteligentes y en los automóviles que se conducen por sí solos, entre otras tecnologías.
«Estos avances van mucho más allá de lo que se ha hecho en medicina, donde debemos ser cautelosos sobre cómo evaluamos el riesgo y los resultados. Tenemos los datos, pero todavía no los estamos utilizando en todo su potencial», dijo Juárez-Orozco a la agencia Europa Press.
Según explicó, los médicos humanos emplean las puntuaciones de riesgo para tomar decisiones sobre cuál tratamiento escoger, pero estas puntuaciones se basan solo en un puñado de variables y, a menudo, tienen una precisión modesta en pacientes individuales.
Personalización, el futuro de los tratamientos médicos
Mediante la repetición y el ajuste, el aprendizaje automático aprovecha en mayor medida grandes cantidades de datos y permite identificar patrones complejos que pueden no ser evidentes para los humanos.
A decir de Juárez-Orozco, el estudio que hoy desarrolla demuestra que los patrones de muy alta dimensión son más útiles que los patrones de una sola dimensión, si de predecir resultados en individuos se trata. “Y para eso necesitamos aprendizaje automático”, insiste.
Su investigación incluyó a 950 pacientes que presentaban dolor torácico y que se sometieron al protocolo para detectar una enfermedad de la arteria coronaria. Una tomografía computarizada (CCTA) produjo 58 datos de la presencia de placa coronaria, estrechamiento de vasos y calcificación.
Los pacientes con resultados que sugerían enfermedad se sometieron a una tomografía por emisión de positrones (TEP), que produjo 17 variables en el flujo sanguíneo. En total, se obtuvieron diez variables clínicas a partir de registros médicos, incluyendo sexo, edad, tabaquismo y diabetes.
Durante un seguimiento por seis años, la investigación documentó 24 ataques cardíacos y 49 muertes por causas distintas. Las 85 variables fueron analizadas por LogitBoost varias veces hasta que encontró la mejor estructura para predecir quién tuvo un infarto o murió.
«El algoritmo aprende progresivamente de los datos y, después de numerosas rondas de análisis, determina los patrones de alta dimensión que deben usarse para identificar de manera eficiente a los pacientes que tienen el evento. El resultado es una puntuación de riesgo individual», explica Juárez-Orozco.
De acuerdo con el doctor, el uso estratégico del algoritmo permitirá en un futuro personalizar el tratamiento de los médicos hacia los pacientes y, en última instancia, lograr mejores resultados en la atención sanitaria.
Juárez-Orozco y su equipo se presentarán el domingo en la Conferencia Internacional sobre Cardiología Nuclear y TC Cardiaca (ICNC, por sus siglas en inglés), coorganizada por la Sociedad Americana de Cardiología Nuclear (ASNC), la Asociación Europea de Imágenes Cardiovasculares (EACVI) de la Sociedad Europea de Cardiología (ESC) y la Asociación Europea de Medicina Nuclear (EANM).
Por Fari Rafa – Yahoo Noticias