En un estudio publicado en la revista JAMA Network Open, investigadores de la universidad estadounidense de Yale encontraron que las técnicas de aprendizaje automático pueden predecir mejor el riesgo de hemorragia en pacientes sometidos a intervención coronaria percutánea (ICP), un procedimiento cuyo objetivo es restablecer el flujo de sangre al corazón desobstruyendo las arterias estrechadas responsables de la insuficiencia cardíaca.

Para concretar el trabajo, el equipo de expertos analizó información del Registro Nacional de Datos Cardiovasculares (NCDR, por sus siglas en inglés) del American College of Cardiology (ACC) entre los años 2009 y 2015 utilizando aprendizaje automático, una rama de la inteligencia artificial capaz de realizar tareas al inferir patrones en los datos. Dicha base de datos incluye más de 3 millones de procedimientos realizados en hospitales de Estados Unidos. Los investigadores hallaron que los análisis de aprendizaje automático mejoraron la predicción del riesgo de sangrado tras una ICP (que a menudo se utiliza para abrir los vasos sanguíneos estrechados por la acumulación de placa), lo que ayudaría a mejorar la toma de decisiones tanto de los pacientes como de los médicos.

Estamos descubriendo que el aprendizaje automático nos permitiría mejorar nuestra capacidad de predecir el riesgo, en comparación con nuestros enfoques tradicionales“, dijo el doctor Harlan Krumholz, cardiólogo de Yale y director del Centro de Investigación y Evaluación de Resultados (CORE, por sus siglas en inglés). “Es importante destacar que la clave está en cómo se procesa la información sobre los pacientes incluso antes de que comience el análisis. En el futuro, estas técnicas nos permitirán personalizar las estimaciones en mayor cantidad“.

Un aspecto emocionante de este estudio es el trabajo en equipo entre expertos que provienen de una amplia gama de disciplinas“, dijo Bobak Mortazavi, profesor adjunto en Yale y profesor asistente en la Universidad de Texas A&M. “Encontramos una comprensión más profunda del problema y una mejor solución al trabajar juntos, y creamos un paso hacia nuevas herramientas para personalizar mejor la atención de cada paciente“.

El equipo de especialistas incluyó a médicos clínicos, científicos clínicos y científicos de datos. Este estudio es uno de los primeros en emplear el aprendizaje automático en registros masivos del ACC. Asimismo, el CORE funge como socio del ACC en el Instituto de Salud Computacional Cardiovascular y este proyecto es uno de los primeros productos de dicha colaboración.

 

Vía: Yale News