Alicante, 17 jun (EFE).- Un trabajo internacional realizado por la Universidad de Alicante (UA), junto a varias instituciones de Brasil, demuestra el potencial de la inteligencia artificial (IA) para mejorar la gestión hospitalaria y la respuesta ante emergencias sanitarias.
Publicada en la revista científica Intensive & Critical Care Nursing, la investigación analiza uno de los mayores conjuntos de datos epidemiológicos sobre Covid-19 del sistema sanitario brasileño. Se trata de la base de datos SRAG (Síndrome Respiratorio Agudo Grave), el sistema de vigilancia de enfermedades respiratorias graves del Ministerio de Salud de Brasil, según ha informado este miércoles la UA.
A partir de este registro, los autores han estudiado más de 365.000 pacientes adultos y, aplicando modelos de aprendizaje automático supervisado, han identificado patrones asociados a mayor riesgo de mortalidad y a estancias prolongadas en las UCI.
Los datos obtenidos apuntan a que la IA logró predecir la mortalidad en UCI con una elevada precisión. “Los modelos desarrollados mostraron una alta capacidad para identificar pacientes con mayor riesgo de fallecimiento en UCI", ha revelado la investigadora principal, Lia da Graca, que ha formado parte del equipo RoVIT, el Grupo de Investigación de Robótica, Visión Artificial y Tecnologías Inteligentes de la UA, durante una estancia doctora.
"El mejor algoritmo alcanzó una capacidad predictiva cercana al 85 %, permitiendo discriminar con bastante precisión entre pacientes de mayor y menor riesgo”, ha señalado.
Según el estudio, los factores con mayor peso en la predicción son la necesidad de soporte respiratorio, la edad del paciente y variables relacionadas con la región geográfica y el momento epidemiológico.
"Este último hallazgo refleja que el pronóstico no depende únicamente del estado clínico individual, sino también de factores estructurales como la presión asistencial o las desigualdades territoriales en el acceso a cuidados intensivos", ha apuntado la investigadora.
En cuanto al tiempo de estancia en UCI, la predicción es más limitada, ya que la estancia media fue de 11 días, con un margen de error aproximado de entre 4 y 6 días. Sin embargo, los autores del artículo consideran que sigue siendo una información útil para planificación hospitalaria y organización de recursos a nivel poblacional.
En este sentido, “incorporar en el futuro biomarcadores clínicos y escalas de gravedad puede aumentar la precisión de estas estimaciones y mejorar la planificación asistencial”, ha explicado, por su parte, el investigador de la UA y también autor del artículo Germán González.
Asimismo, el trabajo subraya el valor de los datos abiertos a gran escala para el desarrollo de herramientas de apoyo a la decisión clínica.
"Este tipo de investigación puede ayudar a anticipar necesidades de camas UCI, optimizar el triaje de pacientes críticos, detectar situaciones de mayor riesgo de forma precoz y facilitar una distribución más equitativa de recursos durante futuras crisis epidemiológicas", ha destacado González. EFE
🔥 Ver noticia completa en Infobae.com 🔥
