Inteligencia artificial y machine learning para acelerar el tratamiento de graves traumatismos craneoncefálicos

Los tres primeros días tras un grave traumatismo craneoncefálico son vitales, el algoritmo que estudia infinidad de datos a gran velocidad puede salvar muchas vidas.

sara-olivo-escudo-digital

Redactora Jefe de Escudo Digital

Guardar

Traumatismo craneoencefálico y e-learning
Traumatismo craneoencefálico y e-learning

Un equipo de científicos de datos de la Facultad de Medicina de la Universidad de Pittsburgh en los EE. UU. ha formado un grupo de trabajo con cirujanos expertos en traumatismos cerebrales del centro médico de la citada universidad con el fin de desarrollar los primeros escáneres cerebrales automatizados y técnicas de aprendizaje automático para informar y estudiar los resultados de los pacientes que han sufrido traumatismo craneoencefálico grave. Por traumatismo craneoencefálico grave se entiende aquel que puede provocar que el cerebro rebote o se retuerza en el cráneo, lesionando las células cerebrales, rompiendo los vasos sanguíneos y creando cambios químicos. 

El algoritmo avanzado de aprendizaje automático puede analizar grandes volúmenes de datos de escáneres cerebrales y datos clínicos relevantes de distintos pacientes para brindar una experiencia de diagnóstico imposible de conseguir por un ser humano. Los investigadores descubrieron que el algoritmo podía producir un pronóstico de forma rápida y precisa hasta seis meses después de la lesión. La gran cantidad de datos examinados y la velocidad con la que se analizan puede servir para mejorar el diagnóstico y acelerar los procesos de tratamiento. 

Los investigadores han publicado el resultado de sus estudios en Radiology, donde señalan que el nuevo algoritmo predictivo de los científicos ha sido validado en grupos de pacientes que no guardaban ninguna relación.

El coautor principal del artículo, Shandong Wu, profesor asociado de radiología, bioingeniería e informática biomédica en la Universidad de Pittsburgh en los EE. UU, en declaraciones a Cosmos ha contado que tanto él como sus compañeros usaron “un marco de aprendizaje automático de modelo híbrido que utiliza aprendizaje profundo y aprendizaje automático 'tradicional', procesando datos de imágenes de TC y datos clínicos que no son de imágenes para la predicción de resultados de pacientes con lesiones cerebrales traumáticas graves".

"El modelo de aprendizaje automático superó significativamente el juicio y la experiencia humanos·

Wu dice que el equipo usó datos del Centro Médico de la Universidad de Pittsburgh (UPMC) y otras 18 instituciones de todo Estados Unidos. “Al usar el modelo de aprendizaje automático cuando el paciente ingresa temprano en la sala de emergencias, podemos construir un modelo que puede predecir automáticamente un resultado favorable o desfavorable o la mortalidad u otro potencial de recuperación”. Y es que, durante la investigación se dieron cuenta de que su modelo mantiene el modelo de predicción, lo que demuestra que "está capturando información crítica para poder hacerlo".

El coautor principal, el Dr. David Okonkwo, profesor de cirugía neurológica en la Universidad de Pittsburgh y neurocirujano en ejercicio no ha tenido ninguna duda en manifestar que "el modelo de aprendizaje automático superó significativamente el juicio y la experiencia humanos".

El éxito del primer modelo, basado en conjuntos de datos específicos obtenidos durante las primeras horas inmediatamente posteriores a la lesión, es "extremadamente alentador y nos dice que estamos en el camino correcto aquí para construir herramientas que puedan complementar el juicio clínico humano para tomar la mejores decisiones para los pacientes”, dice Okonkwo. Y puede llegar incluso a mejorar, sostiene. 

El algoritmo puede ayudar a salvar vidas humanas, ya que, como recuerda Okonkwo “La primera ventana de tres días es muy crítica para bien o para mal para los pacientes con lesiones cerebrales traumáticas graves. La razón más común por la que alguien muere en el hospital después de una lesión cerebral traumática es por la suspensión de la terapia de soporte vital, y esto ocurre con mayor frecuencia dentro de las primeras 72 horas” , por ello si consiguen construir un modelo que se base en la información de los primeros tres días, consideran que pueden " poner a los médicos en un lugar mejor para identificar a los pacientes que tienen la posibilidad de una recuperación significativa". La atención a los pacientes puede mejora muchísimo, pero , como señala Okonkwo las herramientas de aprendizaje automático están destinadas “no a reemplazar el juicio clínico o humano, sino a complementar la toma de decisiones clínicas humanas".

Archivado en: