Quantcast
El Tiempo Latino
4:36 a.m. | 74° 9/19/2018

¿Pueden los algoritmos de Facebook, Google y Amazon predecir enfermedades… y tratarlas?


John McQuaid | Kaiser Health News | 2/20/2018, 12:16 p.m.
¿Pueden los algoritmos de Facebook, Google y Amazon predecir enfermedades… y tratarlas?
Tales algoritmos, que ahora son comunes en el comercio por Internet y las finanzas, no se han probado todavía mucho en medicina y salud. | PEXELS

La tecnología utilizada por Facebook, Google y Amazon para convertir el lenguaje hablado en texto, reconocer rostros y administrar estrategias de publicidad podría ayudar a los médicos a combatir a uno de los asesinos más letales en los hospitales estadounidenses.

Clostridium difficile (C-diff), una bacteria mortal que se transmite por contacto físico con objetos o personas infectadas, se disemina fácilmente en los hospitales, causando 453,000 casos al año y 29,000 muertes en los Estados Unidos, según un estudio de 2015 publicado en New England Journal of Medicine. Las estrategias tradicionales como promover la higiene y señales de advertencia generalmente no logran detenerla.

Pero, ¿y si fuera posible detectar a los pacientes vulnerables que C-diff atacará? Erica Shenoy, especialista en enfermedades infecciosas del Hospital General de Massachusetts, y Jenna Wiens, científica en computación y profesora asistente de ingeniería en la Universidad de Michigan, intentaron justamente eso cuando crearon un algoritmo para predecir el riesgo de un paciente de desarrollar una infección por C-diff, o CDI. Según las investigadoras, este método –que utiliza signos vitales de los pacientes y otros registros de salud, y que aún está en fase experimental– debería formar parte de las rutinas hospitalarias.

El algoritmo CDI, basado en una forma de inteligencia artificial llamada aprendizaje automático, está listo para pasar al mundo real, dijo Zeeshan Syed, quien dirige el Programa de Inferencia Clínica y Algoritmos de la Universidad de Stanford.

El aprendizaje automático (ML) se basa en redes neuronales artificiales que imitan la forma en que aprenden los cerebros de los animales.

Por ejemplo, puede reproducir como un zorro mapea nuevos terrenos, respondiendo a olores, imágenes y ruidos, y cómo continuamente adapta y refina su comportamiento para maximizar las probabilidades de encontrar su próxima comida.

El algoritmo CDI de Shenoy y Wiens analizó un conjunto de datos de 374,000 internaciones en el Hospital General de Massachusetts y en el Sistema de Salud de la Universidad de Michigan, buscando conexiones entre los casos de CDI y las circunstancias detrás de ellos.

Los registros contenían más de 4,000 variables distintas. "Tenemos datos relacionados con todo, desde resultados de laboratorio hasta en qué cama está el paciente, quién está junto a esa persona y si están infectados. Incluimos todos los medicamentos, resultados de pruebas y diagnósticos. Y recopilamos esta información a diario", explicó Wiens. “Queríamos capturar la evolución del riesgo”, agregó.

A medida que el sistema analiza estos datos en repetidas ocasiones, extrae señales de advertencia de enfermedades que los médicos pueden pasar por alto: constelaciones de síntomas, circunstancias y detalles de la historia médica que probablemente causen una infección en algún momento de la estadía en el hospital.

Tales algoritmos, que ahora son comunes en el comercio por Internet y las finanzas, no se han probado todavía mucho en medicina y salud. En los Estados Unidos, la transición de informes médicos escritos a electrónicos ha sido lenta, y el formato y la calidad de los datos todavía varían según el sistema de salud y la práctica médica, creando obstáculos para los científicos expertos en informática.