Diari Més

Tecnología sanitaria

Un algoritmo es capaz de predecir la muerte y el ataque cardiaco con más del 90% de precisión

Al analizar repetidamente 85 variables en 950 pacientes un algoritmo «aprendió» a diagnosticar

El algoritmo es c apaç de 'aprender' de los datos para hacer pronósticos.

Un algoritmo es capaz de predecir la muerte y el ataque cardiaco con más del 90% de precisiónPixabay

Publicado por

Creado:

Actualizado:

El aprendizaje automático está superando a los humanos para predecir la muerte o un ataque al corazón. Este es el mensaje principal de un estudio que se presenta este 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, la Asociación Europea de Imágenes Cardiovasculares de la Sociedad Europea de Cardiología y la Asociación Europea de Medicina Nuclear.

Al analizar repetidamente 85 variables en 950 pacientes con resultados conocidos de seis años, un algoritmo «aprendió» cómo interactúan los datos de imágenes. Después identificó los patrones que correlacionan las variables con la muerte y el ataque cardiaco con más del 90% de precisión.

El aprendizaje automático, la base moderna de la inteligencia artificial (IA), se utiliza todos los días. El motor de búsqueda de Google, el reconocimiento facial en los teléfonos inteligentes, los coches que conducen por sí mismos, los sistemas de recomendación de Netflix y Spotify usan algoritmos de aprendizaje automático para adaptarse al usuario individual.

El autor del estudio, el doctor Luis Eduardo Juárez-Orozco, del Centro de PET de Turku, Finlandia, afirma que: «Estos avances van mucho más allí de lo que se ha hecho en medicina, donde tenemos que ser cautelosos sobre como evaluamos el riesgo y los resultados. Tenemos los datos, pero todavía no los estamos utilizando en todo su potencial».

Los médicos utilizan las puntuaciones de riesgo para tomar decisiones de tratamiento, pero estas puntuaciones se basan sólo en un puñado de variables y, a menudo, tienen una precisión modesta en pacientes individuales. Mediante la repetición y el ajuste, el aprendizaje automático puede explotar grandes cantidades de datos e identificar patrones complejos que pueden no ser evidentes para los humanos.

«A los humanos les cuesta mucho pensar en más de tres dimensiones (un cubo) o cuatro dimensiones (un cubo a través del tiempo). En el momento en que saltamos a la quinta dimensión estamos perdidos. Nuestro estudio demuestra que mucho los patrones de alta dimensión son más útiles que los patrones de una sola dimensión para predecir resultados en individuos y para eso necesitamos aprendizaje automático», afirma el doctor Juárez-Orozco.

El estudio incluyó a 950 pacientes con dolor torácico que se sometieron al protocolo habitual del centro para detectar una enfermedad de la arteria coronaria. Una exploración coronaria por angiografía por tomografía computada produjo 58 datos de la presencia de placa coronaria, estrechamiento de vasos y calcificación.

Aquellos con exploraciones que sugerían enfermedad se sometieron a una tomografía por emisión de positrones (TEP) que produjo 17 variables en el flujo sanguíneo. Se obtuvieron diez variables clínicas a partir de registros médicos, incluyendo sexo, edad, tabaquismo y diabetes.

Durante un seguimiento medio de seis años, hubo 24 ataques cardiacos y 49 muertos por cualquier causa. Las 85 variables se pusieron en un algoritmo de aprendizaje automático denominado LogitBoost, que las analizó una vez y otra hasta que encontró la mejor estructura para predecir quién tuvo un ataque cardiaco o murió.

El algoritmo aprende progresivamente de los datos y, después de numerosas rondas de análisis, determina los patrones de alta dimensión que tienen que usarse para identificar de manera eficiente a los pacientes que tienen el acontecimiento. El resultado es una puntuación de riesgo individual», explica el doctor Juárez-Orozco.

«Los médicos ya recopilan mucha información sobre los pacientes, por ejemplo, los que tienen dolor de pecho. Descubrimos que el aprendizaje automático puede integrar estos datos y predecir con precisión el riesgo individual. Eso tendría que permitirnos personalizar el tratamiento y, en última instancia, llevar a mejores resultados para los pacientes», concluye el doctor Juárez-Orozco.

tracking