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 equipo de investigación de la Universidad de Cádiz ha creado REDIBAGG, un método que acelera el entrenamiento de modelos de inteligencia artificial hasta un 70%, al utilizar menos datos pero sin perder precisión. La técnica tiene potencial para analizar grandes volúmenes de información en campos tan diversos como la medicina, la industria o las finanzas.
Sigue leyendo
Un equipo de la Universidad de Córdoba en colaboración con otras entidades y equipos de investigación de España y Portugal, desarrolla un nuevo método que permite evaluar de manera sencilla el estado de calidad de las dehesas en función de una serie de buenas prácticas relacionadas con la biodiversidad, la productividad de los pastos o el manejo de la arboleda.
Sigue leyendo
El ayuno intermitente en días alternos no solo ayuda a adelgazar: un estudio de IBIMA demuestra que este patrón alimentario, al remodelar la microbiota intestinal y frenar la inflamación sistémica, mejora de forma significativa la memoria, la atención y el control inhibitorio en adultos con obesidad. La investigación allana el camino hacia una “nutrición de precisión para el cerebro”.
Sigue leyendo
