Analizan los parámetros de laboratorio más relevantes para predecir la mortalidad por Covid-19 mediante técnicas de inteligencia artificial
El aprendizaje automático es una rama de la inteligencia artificial que permite que las máquinas sean capaces de identificar patrones en los datos y hacer predicciones. En este sentido, los expertos de la Universidad de Huelva han desarrollado un modelo para predecir la mortalidad de pacientes diagnosticados con COVID-19, empleando fundamentalmente los datos de laboratorio provenientes de las pruebas clínicas realizadas durante su hospitalización.
Fuente: Universidad de Huelva
Profesores del Departamento de Tecnologías de la Información de la Escuela Técnica Superior de Ingeniería de la Universidad de Huelva han publicado un estudio que analiza la mortalidad de pacientes diagnosticados con COVID-19 mediante el uso de técnicas de aprendizaje automático. El aprendizaje automático es una rama de la inteligencia artificial que permite que las máquinas sean capaces de identificar patrones en los datos y hacer predicciones. Los autores han desarrollado un modelo para predecir la mortalidad de pacientes diagnosticados con COVID-19, empleando fundamentalmente los datos de laboratorio provenientes de las pruebas clínicas realizadas durante su hospitalización.
El trabajo, titulado ‘Machine Learning Applied to Clinical Laboratory Data in Spain for COVID-19 Outcome Prediction: Model Development and Validation’, ha sido publicado en la revista Journal of Medical Internet Research, con un factor de impacto de 5.03 en el cuartil Q1 del Journal Citation Report (JCR) en las categorías Medical Informatics y Health Care Sciences & Services. Puede consultarse en https://doi.org/10.2196/26211.
Los autores del estudio han sido Juan L. Domínguez Olmedo, Jacinto Mata Vázquez y Victoria Pachón Álvarez, pertenecientes al Grupo de Investigación ‘Ingeniería de la Información y el Conocimiento’, en colaboración con Álvaro Gragera Martínez, experto del Hospital Juan Ramón Jiménez.
Los autores del estudio han sido Juan L. Domínguez Olmedo, Jacinto Mata Vázquez y Victoria Pachón Álvarez, pertenecientes al Grupo de Investigación ‘Ingeniería de la Información y el Conocimiento’.
Para la elaboración de este estudio se ha utilizado una muestra de historias clínicas anonimizadas proporcionada por un grupo hospitalario privado español (HM Hospitales). Concretamente, los datos provenían de 1.823 pacientes que habían sido hospitalizados con diagnóstico de COVID-19, y de los cuáles el 14.4% había fallecido.
Resultados obtenidos
El estudio partió de la idea de entender y predecir la severidad de la COVID-19 en los pacientes ingresados en el hospital, empleando para ello parámetros bioquímicos y hematológicos, además del sexo y la edad de los pacientes.
Como refleja el estudio, una de las causas más importantes de mortalidad en estos pacientes es el síndrome inflamatorio, relacionado con parámetros como la proteína C-reactiva o la enzima lactato deshidrogenasa (LDH). Otro factor importante son los trastornos de coagulación (trombos), identificables mediante ciertos parámetros sanguíneos. Si la edad del paciente se une a los parámetros bioquímicos y hematológicos, “la predicción de la severidad de la enfermedad resulta mucho más exacta”, se resalta en el estudio.
En este trabajo también se realiza un análisis de la importancia de las variables en el modelo. Entre las 32 variables empleadas, las más relevantes para la predicción fueron: el nivel de la enzima LDH, el nivel de la proteína C-reactiva, el porcentaje de neutrófilos, el nivel de urea, la edad y el porcentaje de eosinófilos.
Tal y como indican los autores del estudio, “no es fácil establecer criterios estrictos de mortalidad en pacientes con COVID-19, pues aún no se conoce exactamente el comportamiento del virus en el organismo. Seguramente coexisten factores inmunológicos, genéticos y ambientales, que relacionados con parámetros de laboratorio pueden permitir entender mejor dicha mortalidad”. No obstante, gracias a técnicas de inteligencia artificial como la desarrollada por los autores, “se pueden obtener modelos capaces de predecir la severidad de la enfermedad según las características particulares de cada paciente”, explican los investigadores de la UHU.
Últimas publicaciones
Un grupo de investigación de la Universidad de Cádiz ha empleado un sistema de extracción ‘verde’ para identificar la cantidad de este aminoácido esencial, necesario para producir proteínas, así como la hormona melatonina y el neurotransmisor serotonina en el organismo. Tras los ensayos, realizados con hongos comestibles del sur de Andalucía y el norte de Marruecos, los resultados evidencian su alta concentración en este tipo de alimentos y abre nuevas vías de estudio para determinar su potencial terapéutico.
Sigue leyendo
Un equipo de investigación de la Universidad de Málaga ha evaluado a casi un centenar de estudiantes de entre 8 y 12 años para entender mejor los desafíos léxicos a los que se enfrentan aquellos con pérdida auditiva. Las expertas sugieren un enfoque basado en relaciones entre determinadas clases de palabras para mejorar su aprendizaje y que puedan estudiar en igualdad de condiciones que sus compañeros oyentes.
Nos encontramos a menos de un día del solsticio de diciembre, que tendrá lugar a las 10:20 de este sábado, hora española. Esta efeméride marca el comienzo de las estación astronómicas de invierno para el hemisferio norte. Dejamos atrás el otoño, con sus tonalidades amarillas, naranjas y marrones, y damos paso al color blanco de los copos de nieve, a las luces de colores, y a las flores de pascua. Son algunos de los protagonistas de estas fiestas, que también tienen su ciencia. Por ello os proponemos descubrir diferentes curiosidades científicas relacionadas con la Navidad. ¿Sabías que el espumillón comenzó a fabricarse de aluminio y plomo y con el paso del tiempo ha variado su composición para hacerse ahora de PVC? ¿Te has preguntado alguna vez por qué las típicas flores de esta época del año son esas y no otras? ¿ O cuánto consumen las luces led del árbol que adornas cada año?
Sigue leyendo
