Una de las causas más comunes de muerte en los hospitales es la lesión renal aguda, o AKI, la pérdida repentina de la función en este órgano vital para la limpieza de la sangre. La AKI, anteriormente llamada insuficiencia renal aguda, golpeó a casi cuatro millones de personas en los EE. UU. Solo en 2014, según los Centros para el Control y la Prevención de Enfermedades , y contribuye a cientos de miles de muertes por año. Los sobrevivientes a menudo necesitan diálisis costosa durante meses o años después. Con la esperanza de evitar que ocurra una lesión renal en primer lugar, los investigadores han desarrollado un programa de inteligencia artificial que puede identificar a los pacientes en riesgo con días de anticipación.
La prevención de la Insuficiencia Renal o AKI
La prevención de AKI es un desafío porque sus causas varían ampliamente . «Por lo general, ocurre durante una cirugía mayor o complicaciones de la cirugía y de la sepsis», dice Joseph Vassalotti, nefrólogo y director médico de la National Kidney Foundation, que no participó en el desarrollo del nuevo programa. «Algunos medicamentos pueden causar daño renal agudo debido a los efectos secundarios o la respuesta inmune». Otras causas incluyen bloqueos del tracto urinario, complicaciones de quemaduras y ataques cardíacos, todo lo cual ocurre con frecuencia en los hospitales.
AKI puede suceder rápidamente, y con muy poca advertencia. Un aumento en un producto de desecho llamado creatinina en la sangre marca una disminución aguda en la función renal, pero para cuando los médicos pueden detectar un pico de creatinina, la lesión ya ha ocurrido. A menudo, los cuidadores solo pueden mitigar el daño.
Entonces, los investigadores de DeepMind Health, una subsidiaria de la empresa de inteligencia artificial de Google DeepMind, y sus colegas recurrieron a la IA. Diseñaron un algoritmo de inteligencia artificial para identificar los factores que sugieren que alguien está en riesgo de AKI y predecirlo 48 horas antes de que ocurra. El algoritmo predijo casos generales de IRA con una precisión del 55,8 por ciento, pero en casos lo suficientemente graves como para requerir diálisis, la cifra fue del 90,2 por ciento. El trabajo fue descrito en un estudio publicado en Nature .
Para entrenar su algoritmo, los autores del estudio lo alimentaron con una muestra de 703,782 registros de salud electrónicos anónimos de adultos del Departamento de Asuntos de Veteranos (VA) de los EE. UU. Estos datos incluyeron más de 600,000 indicadores de salud diferentes que el modelo de IA podría usar. Entre ellos se encontraban resultados de análisis de sangre, signos vitales, recetas y procedimientos pasados, así como información relacionada con el proceso, como transferencias entre salas o admisiones a una unidad de cuidados intensivos. Primero, los investigadores tuvieron que reducir cuáles de estos factores eran irrelevantes y cuáles eran posibles signos de peligro. «Utilizamos el poder del aprendizaje profundo para encontrar las señales correctas en los datos», dice Nenad Tomašev, ingeniero de investigación en DeepMind. Finalmente, identificaron 4.000 factores relevantes que podrían desempeñar un papel en la predicción de AKI.
Al examinar estos indicadores, el algoritmo puede calcular si un paciente podría estar en riesgo mucho antes de que ocurra el daño renal. «Los médicos pueden pasar de reactivos a la capacidad de predecir [AKI] dos días antes, eso se debe a la riqueza de los datos», dice Dominic King, líder de producto de DeepMind Health. Los autores del estudio sugieren que los médicos podrían usar ese tiempo extra para prevenir o aliviar el daño. Por ejemplo, podrían tomar medidas de protección, como proporcionar más líquidos intravenosos o diuréticos o asegurarse de que el medicamento que se usa no sea tóxico para los riñones de un paciente. Los médicos también podrían abordar más rápidamente las complicaciones asociadas con la pérdida de la función renal.
Aunque llama al estudio «prometedor», Vassalotti dice que es escéptico de que esta IA pueda funcionar en un entorno hospitalario típico. Y, señala, los registros de salud de VA son más densos con información que los registros médicos típicos, y los pacientes están bien rastreados en las instalaciones de tratamiento (que es exactamente por qué los investigadores de DeepMind querían trabajar con estos datos). Entonces, ¿sería este algoritmo tan efectivo en una situación más común, en la que un clínico carece de registros médicos previos a la hospitalización?
Vassalotti también señala otras dos áreas de preocupación con el trabajo de los investigadores de DeepMind: el bajo número de mujeres incluidas (solo el 6 por ciento de la muestra) y muchos resultados falsos positivos. «Necesitan refinar [el algoritmo] con estudios adicionales para tener menos falsos positivos», dice. King responde que los falsos positivos no son una «preocupación real y tangible», porque aproximadamente la mitad de ellos eran identificaciones positivas correctas de daño renal (solo se predijeron con más de 48 horas de anticipación) o estaban «detrás de falsos positivos», lo que significa » solo hubo un episodio de IRA, y el modelo sigue prediciendo un mayor riesgo durante algún tiempo después de eso ”. Del 50 por ciento restante, la mayoría ocurrió en personas con un problema renal preexistente.
Los investigadores detrás del nuevo artículo dicen que este programa es un hito temprano pero importante en el uso de IA en entornos clínicos y que ahora necesitan refinar su modelo. Eventualmente planean intentar aplicarlo a otras predicciones de atención médica. «Sepsis, insuficiencia hepática, complicaciones de la diabetes», dice King. «Vemos un enorme potencial de que [este algoritmo] pueda aplicarse a otras condiciones prevenibles».
Fuente: Scientific American
