Inicio ASP Hospitales utilizan inteligencia artificial para predecir las necesidades de oxígeno de pacientes...

Hospitales utilizan inteligencia artificial para predecir las necesidades de oxígeno de pacientes Covid-19

El modelo EXAM predijo el oxígeno necesario dentro de las 24 horas posteriores a la llegada del paciente a urgencias, con una sensibilidad del 95% y una especificidad de más del 88%

síndrome-inflamatorio-multisistemico-adultos

..P.M.S.
El Hospital Addenbrooke (Cambridge), junto a otros 19 hospitales de todo el mundo y la empresa Nvidia han utilizado inteligencia artificial (IA) para predecir las necesidades de oxígeno de pacientes Covid-19 a escala global. La investigación se propuso construir una herramienta de inteligencia artificial para predecir cuánto oxígeno adicional puede necesitar un paciente con Covid-19 en los primeros días de atención hospitalaria. Para ello, se utilizaron datos de América del Norte, América del Sur, Europa y Asia. El estudio EXAM necesitó solo dos semanas de ‘aprendizaje’ de IA para lograr predicciones de alta calidad.

20 hospitales de todo el mundo han utilizado inteligencia artificial (IA) para predecir las necesidades de oxígeno de pacientes Covid-19 a escala global

La técnica, conocida como aprendizaje federado es un método utilizado para entrenar modelos de inteligencia artificial con datos de múltiples fuentes mientras se mantiene el anonimato de los datos. En este caso se usó un algoritmo para analizar radiografías de tórax y datos de salud electrónicos de pacientes hospitalarios con síntomas de Covid-19. Una vez que este había ‘aprendido‘ de los datos, se hizo un análisis para construir una herramienta de inteligencia artificial que pudiera predecir las necesidades de oxígeno de los pacientes con Covid-19 en hospitales en cualquier parte del mundo.

El estudio EXAM se ha publicado en ‘Nature Medicine bajo el título «Aprendizaje federado para predecir resultados clínicos en pacientes con Covid-19«. Se trata de una de las investigaciones clínicas de aprendizaje federado más grande y diverso hasta la fecha. Para comprobar la precisión de EXAM, se validó en varios hospitales de los cinco continentes, incluido el Hospital de Addenbrooke. Los resultados mostraron que predijo el oxígeno necesario dentro de las 24 horas posteriores a la llegada del paciente a urgencias. Lo hizo con una sensibilidad del 95% y una especificidad de más del 88%.

El estudio EXAM se ha publicado en ‘Nature Medicine’ bajo el título «Aprendizaje federado para predecir resultados clínicos en pacientes con Covid-19»

«El aprendizaje federado tiene un poder transformador para llevar la innovación de la IA al flujo de trabajo clínico«, señala la profesora Fiona Gilbert, que dirigió el estudio en Cambridge. Además, es radióloga consultora honoraria en el Hospital Addenbrooke y presidenta de Radiología en la Facultad de Medicina Clínica de la Universidad de Cambridge. «Nuestro trabajo continuo con EXAM demuestra que este tipo de colaboraciones globales son repetibles y más eficientes, de modo que podamos satisfacer las necesidades de los médicos para abordar desafíos de salud complejos y epidemias futuras«, añade.

Por su parte, el Dr. Ittai Dayan, del Mass General Bingham (Estados Unidos), donde se desarrolló el algoritmo EXAM, indica que generalmente en inteligencia artificial al crear un algoritmo con los datos de un hospital no funciona bien en ningún otro. «Al desarrollar el modelo EXAM utilizando aprendizaje federado y datos objetivos y multimodales de diferentes continentes, pudimos construir un modelo generalizable que puede ayudar a los médicos de primera línea en todo el mundo”.

Dr. Dayan: Con EXAM pudimos construir un modelo generalizable que puede ayudar a los médicos de primera línea en todo el mundo

«El aprendizaje federado permitió a los investigadores colaborar y establecer un nuevo estándar de lo que podemos hacer a nivel mundial, utilizando el poder de la IA«. Así lo resalta la Dra. Mona G Flores, directora global de IA médica en Nvidia. «Esto hará avanzar la IA no solo para el cuidado de la salud, sino en todas las industrias que buscan construir modelos robustos sin sacrificar la privacidad«.

En el estudio se analizaron los resultados de alrededor de 10,000 pacientes con Covid-19 de todo el mundo. Se incluyeron 250 que llegaron al Hospital de Addenbrooke en la primera ola de la pandemia entre marzo y abril de 2020.

Fiona Gilbert: «La creación de software para igualar el desempeño de nuestros mejores radiólogos es compleja, pero una aspiración verdaderamente transformadora»

La investigación fue apoyada por el Centro de Investigación Biomédica de Cambridge (BRC) del Instituto Nacional de Investigación en Salud (NIHR). «La creación de software para igualar el desempeño de nuestros mejores radiólogos es compleja, pero una aspiración verdaderamente transformadora«, concluye Gilbert.

Noticias complementarias