PIXABAY
Un estudio desarrollado por investigadores de la Universidad Politécnica de Valencia (UPV), pertenecientes al grupo BDSLab-ITACA y el Instituto de Matemática Pura y Aplicada (IUMPA), se ha convertido en uno de los trabajos de referencia internacional para la aplicación fiable de la inteligencia artificial en la seguimiento y manejo del COVID-19.
En el artículo publicado en el Journal of the American Medical Informatics Association, el equipo de la UPV demuestra las limitaciones que la variabilidad o heterogeneidad de los datos cuando proceden de múltiples fuentes como múltiples hospitales o países pueden hacer fiable la aplicación de la inteligencia artificial. En el artículo, desvelan las claves de las posibles soluciones a estas limitaciones. Además, a partir de este estudio, el equipo de la UPV desarrolló nuevas herramientas para ayudar a describir y clasificar a los pacientes con COVID-19.
“Los resultados de nuestro estudio y la aplicación de estas herramientas pueden ayudar potencialmente en la evaluación clínica del paciente y facilitar la clasificación automática temprana, por nivel de riesgo, antes y después del ingreso hospitalario. Incluso pueden ayudar a planificar la asignación de recursos, especialmente a favor de los pacientes ingresados en UCI”, subraya Carlos Sáez, investigador del grupo BDSLab-ITACA de la Universitat Politècnica de Valencia y coordinador del estudio.
Nuevos modelos de predicción frente al COVID-19
Los investigadores del BDSLab-ITACA de la UPV, en colaboración con el Institut INCLIVA del Hospital Clínico Universitario de Valencia y el Institut iMas12 del Hospital 12 de octubre de Madrid, también han desarrollado un modelo de inteligencia artificial para la predicción precoz de la mortalidad dentro de los primeros 30 días de ingreso a urgencias, siendo el foco de aplicación el estudio de la población adulta mayor de 50 años.
Y una aplicación de aprendizaje profundo (o aprendizaje profundo) que ayuda a predecir la gravedad en todos los grupos de edad, con el beneficio de poder trabajar incluso con información incompleta del paciente, proporcionando así una IA robusta y confiable frente a problemas de calidad de la salud.
“Los modelos predictivos desarrollados pueden ayudar a seleccionar el tratamiento óptimo para cada paciente en función de su riesgo de mortalidad, así como a la planificación y gestión de recursos en escenarios con baja disponibilidad de los mismos, y todo ello de forma robusta frente a posibles incertidumbres en la información disponible”, subraya Carlos Sáez.
Todo este trabajo se enmarca en el proyecto SUBCOVERWD-19 financiado por el FONDO SUPERA COVID-19 e impulsado por CRUE Universidades Españolas, Banco Santander, a través de Santander Universidades y el Consejo Superior de Investigaciones Científicas (CSIC).
Estudiar en México
Finalmente, con base en un estudio proporcionado por el gobierno mexicano de casi 800,000 casos de COVID-19 y en colaboración con el Centro de Investigación Científica y Educación Superior de Ensenada, Ensenada, México, los investigadores de la UPV han desarrollado una nueva técnica de investigación subfenotipos – subdivisión de Poblaciones de pacientes en grupos de su propia importancia en función de las características clínicas.
Esta técnica se basa en una IA exploratoria de “meta-clustering” que permite obtener de forma automática una gran cantidad de resultados en diferentes niveles sociodemográficos -por grupos de edad, por género y su combinación- favoreciendo la no discriminación, etc. deben realizarse manualmente con mayor esfuerzo, además de proporcionar una presentación intuitiva y detallada para que el usuario explore.
De la aplicación de esta técnica en los casos de México, el equipo de la UPV concluye que la edad cronológica no puede utilizarse por sí sola como factor de riesgo de gravedad, sino que debe ir siempre acompañada de comorbilidades e incluso hábitos (edad fisiológica).
“También hemos visto que ante las mismas condiciones clínicas, las mujeres tienen un mayor índice de recuperación que los hombres, y que entre la población de mayor edad, los mayores de 100 años se recuperan mejor. Y también encontramos que hay diferencias significativas en las tasas de recuperación entre los distintos estados de México y también por ámbito clínico”, concluye Carlos Sáez.
Todos los modelos desarrollados por los investigadores de la UPV y los resultados de sus aplicaciones están disponibles en http://covid19sdetool.upv.es y en https://covidcalculator.upv.es.
Fuente: UPV, DICYT,
Artículo de referencia: https://www.dicyt.com/noticias/un-estudio-ofrece-las-claves-para-aplicar-inteligencia-artificial-a-la-gestion-del-covid-19
