En la actual cruzada mundial contra la pandemia del coronavirus, la capacidad de los médicos para pronosticar, de forma precoz, el nivel de gravedad de los enfermos es determinante para salvar vidas. Un novedoso modelo predictivo desarrollado por investigadores y médicos españoles a partir del uso de inteligencia artificial, ha identificado el perfil de paciente con coronavirus que tiene más posibilidades de agravarse, y por tanto de ingresar en la Unidad de Cuidados Intensivos (UCI) de un hospital una vez diagnosticada la enfermedad, también desde el centro de salud. El sistema combina tres indicadores clave muy fáciles de detectar: edad superior a 58 años, fiebre por encima de 39 grados (o inferior pero acompañada de problemas respiratorios, especialmente cuando son crepitantes) y taquipnea, es decir, más de 20 respiraciones por minuto. "Dichos factores son un dato muy útil; los profesionales sanitarios los pueden incorporar fácilmente a su práctica clínica, para remitir de inmediato a los pacientes con peor pronóstico a los hospitales, antes de que empeore su condición", explica el Dr. Ignacio Medrano, fundador y director médico de Savana, compañía especializada en aplicar técnicas de inteligencia artificial en el ámbito sanitario.
Para el desarrollo del modelo, que está siendo incorporado ya en los protocolos de actuación COVID-19 de varios hospitales españoles, se han aplicado técnicas de aprendizaje automático o machine learning y procesamiento del lenguaje natural NLP. Esta tecnología permite detectar de forma automática asociaciones significativas entre variables. La iniciativa es fruto del trabajo científico, denominado "Características clínicas y factores pronósticos de ingreso en Unidad de Cuidados Intensivos (UCI) de pacientes con COVID-19: estudio retrospectivo usando aprendizaje automático y procesamiento del lenguaje natural", acaba de publicarse en el "Journal of Medical Internet Research". En una segunda fase del proyecto se intentará mejorar el manejo clínico de los pacientes y su tratamiento. El estudio forma parte de la macro investigación internacional, Big COVIData, dentro del marco del ecosistema de investigación colaborativa con cerca de 150 hospitales de Europa, Estados Unidos, Canadá y Latinoamérica.
Algunas de las principales conclusiones del estudio sobre ingresos en la UCI son las siguientes:
- Las distintas variables clínicas condicionan los pronósticos: si un paciente de entre 40 y 79 años con COVID-19 tiene taquipnea y acude a urgencias, tras ser visto en atención primaria, con alta probabilidad necesitará ingreso en UCI, según el modelo. Por otro lado, si un paciente sin taquipnea y menor de 56 años tiene fiebre inferior a 39 grados, necesitará UCI con poca probabilidad según el modelo. En general, los síntomas más frecuentes asociados a hospitalizaciones por coronavirus son tos, fiebre y disnea o dificultad respiratoria, aunque estos se dan en menos del 50% de los pacientes.
- Casi el 5% de los hospitalizados por coronavirus ingresa en UCI: a ello se añade un porcentaje residual de los pacientes contagiados que son inicialmente descartados de hospitalización, que también acaba requiriendo cuidados intensivos. Según las conclusiones del estudio, el 4,8% de los hospitalizados por COVID-19 requiere UCI, aunque un 0,2% del total de los infectados no remitidos al hospital una vez diagnosticados, también necesitó ese tipo de cuidados médicos. De entre los 1.353 pacientes hospitalizados, 65 de ellos necesitaron UCI, al igual que otros 18 que no habían sido previamente ingresados, hasta situar el total en 83. Las cifras confirman la necesidad de acelerar la identificación precoz de los pacientes con peor pronóstico, especialmente en el caso de aquellos que "a priori" no suscitan sospechas de gravedad pero que finalmente requieren cuidados intensivos.
- Los principales signos y síntomas de pacientes en UCI por COVID-19 son los siguientes: la tos en el 74,7% de los casos, la fiebre (66,3%), disnea (57,8%), crepitación respiratoria (36,1%), taquipnea -hiperventilación por diversas afecciones- (32,5%). En cuanto a comorbilidad o enfermedades añadidas al coronavirus, la cardiovascular la padece el 72,3%, la diabetes, el 39,8%, la obesidad, el 22,9%, y las enfermedades respiratorias crónicas el 6%.
La tecnología subyacente hace uso del procesamiento del lenguaje natural para automatizar la lectura anonimizada de miles de historias clínicas electrónicas (HCE), en este caso, procedentes de una enorme muestra de 1.364.924 pacientes con historia clínica electrónica, de los cuales 10.500 pacientes de Castilla-La Mancha fueron diagnosticados de COVID-19 al inicio de la primera ola de la pandemia. Los resultados son extrapolables al conjunto de la población española. La gran ventaja de este sistema es su capacidad para comprender las anotaciones en texto libre, no estructurado, redactadas por los médicos sobre sus pacientes (datos de análisis, tratamientos, etc.). Además, el procesamiento de los datos se hace en tiempo real, en este caso en pleno pico de la primera ola de la pandemia en España, por lo que, en tan solo seis semanas desde su inicio en marzo, se había enviado ya a publicar el artículo a la revista. Por aquel entonces, la cohorte de pacientes en los estudios relativos de COVID-19 que se publicaban era significativamente menor.
Los pacientes analizados son muchos y se analizan en tiempo real, lo que permite hacer estudios con datos muy recientes, algo imposible en los estudios tradicionales, en los que el desarrollo de métodos predictivos requería meses de recopilación de datos mediante cuestionarios con múltiples obstáculos para ser validados. "En la actual carrera contra la COVID-19, es urgente y necesario aprovechar los beneficios de los macrodatos y la analítica inteligente para mejorar la salud pública, con las máximas garantías de privacidad y confianza pública para aplicar las mejores prácticas y responsabilidad en la recopilación y el procesamiento de la información, a escala mundial", concluye el doctor Medrano.