Investigadores del Technion, en Israel, aplicaron una masiva cantidad de información recolectada en Brasil para desarrollar un algoritmo que puede predecir el riesgo de arritmias cardiacas
Shany Biton y Sheina Gendelman, dos estudiantes de la universidad israelí, trabajaron en el laboratorio de Inteligencia Artificial en Medicina (AIMLab), dirigido por el profesor Joachim Behar, para averiguar si un algoritmo de aprendizaje automático podría capturar patrones predictivos de fibrilación auricular.
La idea detrás del estudio fue evaluar si ese algoritmo podía «aprender» esos patrones incluso en personas que no habían recibido diagnósticos de arritmia de parte de sus médicos.
Como parte del experimento, Biton y Gendelman utilizaron más de un millón de registros de electrocardiogramas (ECG) de más de 400.000 pacientes para entrenar una red neuronal profunda computarizada para reconocer a los pacientes en riesgo de desarrollar fibrilación auricular en cinco años.
Luego, las investigadoras combinaron esa red de aprendizaje automático con información clínica anónima sobre el paciente, incluidos algunos de los factores de riesgo conocidos.
Tanto los registros de ECG como la historia clínica electrónica de los pacientes fueron proporcionados por la Red de Telesalud de Minas Gerais (TNMG), un sistema público que asiste a 811 de los 853 municipios de ese estado brasileño, indicó el reporte.
Según informó la Universidad de Tel Aviv, el modelo de inteligencia artificial fue capaz de predecir correctamente el desarrollo del riesgo de fibrilación auricular en el 60 por ciento de los casos.
Además, el sistema conservó una alta especificidad del 95 por ciento, lo que significa que solo el 5 por ciento de las personas identificadas como potencialmente en riesgo no desarrollaron la afección.
Se trata de datos muy importantes, ya que la fibrilación auricular puede aumentar el riesgo de accidentes cerebrovasculares, insuficiencia cardíaca y otras complicaciones relacionadas con el corazón.
En todo caso, «no buscamos reemplazar al médico humano, no creemos que eso sea deseable -dijo el profesor Behar-, pero sí queremos poner mejores herramientas de apoyo a la toma de decisiones» en las manos de los trabajadores de la salud.
Behar dijo que «las computadoras están mejor equipadas para procesar algunas formas de datos».
Por ejemplo, precisó, «al examinar hoy un registro de ECG, un cardiólogo buscaría características específicas que se sabe que están asociadas con una enfermedad en particular».
«Nuestro modelo, por otro lado, puede buscar e identificar patrones por sí solo, incluidos patrones que pueden no ser inteligibles para el ojo humano«, completó.
