Redacción
¿Es posible identificar parámetros para predecir la evolución de las dolencias cervicales en un paciente y poder tomar decisiones clínicas mása acertadas para cada caso? Un grupo europeo de investigadores europeos, entre los que se encuentran españoles, han comparado la capacidad de la inteligencia artificial con los modelos de regresión que se han usado tradicionalmente en esta área de investigación para identificar esos parámetros que puedan predecir cómo van a evolucionar las dolencias cervicales en cada paciente.
El estudio indica que el rendimiento de los algoritmos de inteligencia artificial es similar al de los métodos de regresión tradicionales para predecir como evolucionarán las dolencias cervicales en cada paciente
El resultado de esta investigación, que ha sido publicado en la revista científica internacional Journal of Clinical Medicine, indica que el rendimiento de los algoritmos de inteligencial artificial es similar al de los métodos de regresión tradicionales. Esto significa que los parámetros que se han identificado con uno y otro método ofrecen modelos cuya sensibilidad, especificidad, exactitud y precisión para predecir si un paciente concreto va a mejorar son similares.
Todos los algoritmos coincidieron en que el factor con mayor valor para predecir la mejoría del dolor cervical y del dolor irradiado al brazo es que al paciente se le realice una intervención neurorreflejoterápica (NRT). Todos los algoritmos también coincidieron en que, en el caso del grado de discapacidad, los dos factores con mayor fuerza de asociación en la predicción de la evolución son que el paciente muestre imágenes radiológicas de estenosis espinal, lo que empeora su pronóstico, y que se le realice una intervención NRT, lo que lo mejora.
El factor con mayor valor para predecir la mejoría del dolor cervical y del dolor irradiado al brazo es que al paciente se le realice una intervención neurorreflejoterápica
El estudio señala que, aunque todos los algoritmos de inteligencia identificaron los principales parámetros predictivos, el número total de los identificados por los distintos algoritmos fue distinto. Algunos detectaron parámetros que otros desecharon, y los desechados por distintos algoritmos, fueron diferentes. Eso sugiere que, en el caso de la inteligencia artificial, usar varios algoritmos a la vez podría aumentar la confianza en la selección.
¿Cómo hicieron el estudio?
Los investigadores recogieron los datos de 3.001 pacientes que recibieron atención rutinaria en 47 centros de la sanidad española, tanto en la pública, como en la privada y concertada, de 11 comunidades autónomas. Hicieron el seguimiento de la evolución de los aspectos más significativos en esta dolencia: la intensidad del dolor, la intensidad del eventual dolor irradiado al brazo, y el grado de restricción que conlleva en las actividades diarias, es decir, la discapacidad.
Los investigadores recogieron los datos de 3.001 pacientes que recibieron atención por dolencias cervicales en 47 centros de la sanidad española
Además, recogieron datos de cada paciente sobre los 28 parámetros cuya utilidad para predecir esa evolución se había sospechado o demostrado previamente. Después, analizaron los datos para identificar y comparar entre ocho algoritmos de inteligencia artificial y modelos de regresión tradicional. Analizaron cuáles tuvieron mejor capacidad predictiva de la evolución del dolor cervical, el dolor irradiado al brazo, y el grado de discapacidad de cada paciente durante los tres meses siguientes.
Ana Royuela, de la Unidad de Bioestadística Clínica del Instituto de Investigación Sanitaria Puerta de Hierro-Segovia de Arana y coautora del estudio, afirma que “las herramientas basadas en inteligencia artificial son una gran ayuda a los métodos de análisis tradicionales, complementando aspectos como el modelado de relaciones no lineales entre variables y reforzando los resultados obtenidos por ellos”.
Dra. Royuela: “Las herramientas basadas en inteligencia artificial son una gran ayuda a los métodos de análisis tradicionales, complementando aspectos como el modelado de relaciones no lineales entre variables y reforzando sus resultados”
Para el Dr. Francisco Kovacs, de la Unidad de Espalda del Hospital HLA Universitario Moncloa y coautor del estudio, “optimizar la predicción de la evolución de cada paciente ayuda a individualizar el tratamiento óptimo en su caso, y los parámetros que este estudio identifica como útiles para este fin tienen sentido clínico, y coinciden con los resultados de estudios científicos previos, lo que aumenta la confianza que requiere su uso en la práctica clínica habitual“.
Los resultados de este estudio refuerzan la validez del pronóstico calculado por una aplicación que permite introducir los datos relevantes de cada paciente (demográficos, clínicos, radiológicos, etc.). Con estos datos, calcula la probabilidad que tiene de mejorar y cómo se incrementa esta probabilidad en función de los tratamientos que se le apliquen en su caso concreto. La aplicación, llamada Pronóstico Dolor Cervical es gratuita y está disponible con el fin de que los médicos puedan usarla para individualizar el tratamiento óptimo en su caso.
En la investigación han participado investigadores pertenecientes al Departamento de Estadística de la Universidad Ludwig Maximilians de Múnich (Alemania), a la Escuela de Ciencias del Deporte, Rehabilitación y Ejercicio de la Universidad de Essex (Reino Unido), a la Unidad de Bioestadística Clínica del Instituto de Investigación Sanitaria Puerta de Hierro-Segovia de Arana, a la Unidad de Espalda Kovacs del Hospital HLA Universitario Moncloa, de Madrid, y a la Red Española de Investigadores en Dolencias de la Espalda.
