Inicio ASP Los modelos tradicionales y la IA obtienen resultados similares para predecir la...

Los modelos tradicionales y la IA obtienen resultados similares para predecir la evolución de los pacientes con dolor de cuello

dolor-de-cuello

..Redacción.
El dolor de cuello representa una de las cuatro principales causas de discapacidad mundo. Aunque muchos pacientes mejoran a corto plazo, entre el 50% y el 85% siguen sufriendo dolor entre 1 y 5 años después de su inicio. Así, identificar precozmente a los pacientes que se van a evolucionar más e individualizar los tratamientos más efectivos para mejorar el pronostico en casa caso es esencial para mejorar las decisiones clínicas y la eficiencia de los recursos sanitarios. Por eso, desarrollar modelos predictivos fiables es desde hace años una prioridad de la investigación científica en este campo.

El dolor de cuello representa una de las cuatro principales causas de discapacidad en el mundo

Para desarrollar este tipo de modelos capaces de individualizar el pronóstico de cada paciente se suelen usar modelos de regresión. Sin embargo, la inteligencia artificial (IA) aporta posibilidades prometedoras. En este sentido, un reciente estudio ha comparado el acierto del pronóstico establecido usando modelos de regresión tradicional con el obtenido mediante seis algoritmos de IA, al analizar la evolución de 3.001 pacientes españoles con dolor de cuello atendidos en la práctica clínica rutinaria de la sanidad púbica, concertada y privada en 11 comunidades. El estudio ha sido publicado en la revista European Spine Journal. 

Los distintos métodos coincidieron en los principales factores que identificaron como útiles para predecir la evolución de los pacientes: la duración del dolor, algunos hallazgos radiológicos, que el paciente siga trabajando o no, y que sea tratado o no mediante intervención neurorreflejoterápica.

El peso de cada uno de esos factores en el pronóstico varió ligeramente según el método utilizado. También, se encontraron ligeras variaciones en el rendimiento entre los seis algoritmos de IA. Sin embargo, la capacidad de los modelos para identificar pacientes que mejoran en su dolor de cuello, dolor irradiado y grado de incapacidad, es muy similar tanto en la IA como en los métodos tradicionales de regresión logística. Basándose en estos últimos, se ha desarrollado una aplicación informática de acceso libre y gratuito. Esta nueva herramienta permite que cada paciente calcule la probabilidad de mejorar que tiene en su caso concreto, y vea cómo se modifica esa probabilidad en función del tratamiento que se le aplique.

Es estudio analizó la evolución de 3.001 pacientes atendidos en la práctica clínica habitual de la sanidad pública, concertada y privada de 11 comunidades autónomas

Para Ana Royuela, de la Unidad de Bioestadística Clínica del Instituto de Investigación Sanitaria Puerta de Hierro-Segovia de Arana y coautora del estudio, «este estudio refleja que, aunque en el futuro los métodos de inteligencia artificial pueden desempeñar un papel destacado en la modelización pronóstica, la mejoría que actualmente aportan frente a los métodos tradicionales en estudios clínicos es marginal, y depende de varios factores, como el tamaño de la muestra, el tipo de variable elegida en el estudio y la enfermedad investigada».

Para el Dr. Francisco Kovacs, de la Unidad de Espalda del Hospital HLA Universitario Moncloa y coautor del estudio, «es esencial identificar precozmente a los pacientes con peor pronóstico, y aplicarles el tratamiento que en su caso resulta óptimo. Es posible que en el futuro la IA permita mejorar la precisión del pronóstico. Sin embargo, este estudio demuestra que hasta que eso suceda los modelos actualmente disponibles siguen siendo válidos y pueden seguirse usando en la práctica clínica habitual”.

El estudio ha sido realizado por un equipo multidisciplinar de investigadores pertenecientes a la Escuela de Ciencias del Deporte, Rehabilitación y Ejercicio de Essex; al Departamento de Estadística de la Universidad Ludwing Maximilians de Múnich (Alemania); a la Unidad de Bioestadística Clínica del Instituto de Investigación Sanitaria Puerta de Hierro-Segovia de Arana; y a la Unidad de Espalda Kovacs del Hospital HLA Universitario Moncloa y a la Red Española de Investigadores en Dolencias de la Espalda.

Noticias complementarias