Un apoyo tecnológico para evitar el colapso hospitalario

Un equipo de la Universidad de Murcia cree que es posible producir un modelo de pronóstico de Covid-19 basado en estadística combinada con inteligencia artificial
Juan Botía Blaya, catedrático de Ciencias de la Computación e Inteligencia Artificial

Ya han pasado algunos meses desde que en marzo el Gobierno central decretase el estado de alarma nacional, alegando como una de las causas principales el riesgo de que el sistema sanitario colapsase. Al mismo tiempo que el Sars-CoV-2 se propagaba hasta convertirse en una pandemia, científicos de todo el mundo dieron un giro a sus líneas de investigación para enfocarlas en algo que pudiese ayudar a acabar con el virus o a paliar sus efectos de algún modo. Es el caso de Juan Botía Blaya, catedrático de Ciencias de la Computación e Inteligencia Artificial, investigador del grupo Sistemas Inteligente y Telemática (GSIT) en la Universidad de Murcia.

Su campo de investigación es el análisis de datos de genética y expresión de genes para estudiar los mecanismos que regulan la producción de mRNA y su incidencia en enfermedades, sobre todo neurológicas. «Este campo es fascinante», admite, «para un científico de datos, ya que nos permite contribuir al desarrollo de una sociedad mejor haciendo uso de las técnicas que trabajamos normalmente. Por lo tanto, la Covid-19 no supone, en realidad, un giro a la investigación sino una oportunidad más en donde aplicar el tipo de investigaciones que sabemos desarrollar».

Con financiación de la Fundación Séneca–Agencia Regional de Ciencia y Tecnología, acaba de poner en marcha el proyecto PROVIA, que dará lugar a una herramienta Web de pronóstico para pacientes de Covid-19 que entren al sistema hospitalario con un prediagnóstico. Según Botía, «el objetivo principal de servir de apoyo al personal clínico para una gestión más eficiente de los recursos en periodos de alta ocupación del sistema hospitalario nacional y regional como el que estamos viviendo actualmente. Por lo tanto, se espera un impacto decisivo en la manera de gestionar el tránsito del paciente por el sistema hospitalario».


El objetivo técnico del proyecto se centra en la producción de un pronóstico inmediato para el paciente de Covid.


 

Conocimiento experto

El equipo de la UMU cree que es posible producir un modelo de pronóstico basado en estadística combinada con inteligencia artificial (IA). En concreto, pretenden combinar el Machine Learning y el desarrollo de sistemas basados en conocimiento. «El Machine Learning nos permitirá elaborar formas de predecir pronóstico en nuevos pacientes a partir del estudio de bases de datos de pacientes previos que ya pasaron por el sistema hospitalario. El desarrollo de sistemas basados en conocimiento nos permitirá, además, el poder tomar decisiones basadas en conocimiento experto, principalmente el del médico y sus mecanismos de toma de decisiones. Nuestra intención es, además, incorporar la genética del paciente y la genómica del virus en la toma de decisiones. Pero estos elementos los planteamos en una versión avanzada posterior de PROVIA», adelanta el catedrático.

El objetivo técnico del proyecto se centra en la producción de un pronóstico inmediato para el paciente de Covid-19. El sistema producirá un pronóstico de tipo cualitativo (por ejemplo: bueno, malo, medio o indeterminado) pero sobre todo incidirá en la producción de un pronóstico cuantitativo basado en diferentes fuentes de evidencia (casos previos de pacientes ya tratados, genética del individuo, genómica del virus). Téngase en cuenta que, al final, el pronóstico no es más que una valoración de cuál puede ser la evolución futura del paciente dependiendo de su edad, contexto regional, si sufre de otras enfermedades previas, etc.

Metodología

Lo que muchos se preguntan en cómo es posible predecir el pronostico de unos enfermos que todavía ni lo son. Botía Blaya explica que PROVIA depende de la existencia de registros de pacientes a los cuales se les diagnosticó con Covid-19 y posteriormente se les trató. «En dichos registros se incluyó información sobre cuál fue el tratamiento, su evolución, las diferentes analíticas que se les realizaron y todo esto dispuesto a lo largo del tiempo. Sobre estos datos es posible elaborar modelos, de tal forma que cuando se presente un paciente nuevo al que se le acaba de diagnosticar, dichos modelos puedan predecir (mediante estadística y ‘machine learning’) qué evolución va a seguir con cierta precisión. No es, por tanto, ciencia ficción».

El Machine Learning es un área de la inteligencia artificial que trata de la elaboración de mecanismos (programas, al fin y al cabo) capaces de representar grandes bases de datos, en forma de modelos matemáticos capaces de captar los patrones nuevos, útiles y entendibles (sobre todo esto último), en esos datos.

Dichos patrones son lo que permite explotar esos datos más allá del propósito original para el que fueron creados (normalmente, el registro de casos para posibilitar la gestión de individuos de una población que se toma como muestra del problema que se quiere modelar). «Nuestro trabajo –en palabras del investigador de la UMU– se basa, principalmente, en el uso de técnicas para detectar dichos patrones, en el rediseño de técnicas ya existentes si las que hubiera no permiten conseguir el tipo de patrón que buscamos, o bien, el desarrollo de técnicas nuevas».

Multidisciplinar

Todo ello es posible gracias a que el equipo de PROVIA es multidisciplinar. Se trata de un equipo de especialistas en computación formado por José T. Palma, Fernando Jiménez y el propio Juan Botía Blaya. Además participan investigadores más centrados en áreas de bioinformática como Alvaro Sánchez, Enrique Pérez y Alejandro Cisterna, junto al médico oncólogo, Enrique González, y el doctor en farmacia, Gabriel Reina especialista en microbiología.

Dado que PROVIA es un proyecto con una parte de desarrollo de software (al final habrá una aplicación web que el médico podrá usar) y de producción de modelos de pronóstico (dicha aplicación usará modelos para toma de decisiones); ambos elementos se desarrollarán de forma incremental, es decir, existirán versiones tempranas de ambos en unos meses y se irán mejorando progresivamente.

 

 


Fuente: www.elcaleidoscopio.com
Comparte
Share on facebook
Share on google
Share on twitter
Share on linkedin
Share on pinterest
Share on email

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *