Análisis mediante IA predice la trayectoria diaria de los pacientes con COVID-19 en las unidades de cuidado intensivo

Los investigadores del Colegio Imperial de Londres (Londres, Reino Unido) utilizaron el aprendizaje automático para predecir qué pacientes podrían empeorar y no responder positivamente a la posición prona en las unidades de cuidados intensivos (UCI), una técnica que se usa comúnmente para mejorar la oxigenación de los pulmones. La posición de decúbito prono se utiliza en las UCI para ayudar a mejorar la oxigenación de la sangre en personas con síndrome de dificultad respiratoria aguda grave y se ha utilizado ampliamente durante la pandemia. Sin embargo, el estudio encontró que la pronación no ayudó a todos los pacientes con COVID-19 y, cuando se usa en pacientes que no se beneficiarán, puede retrasar el inicio de otros tratamientos secuenciales como el uso de oxigenación por membrana extracorpórea (ECMO), una máquina de soporte vital que asume la función del corazón y los pulmones para oxigenar la sangre y bombearla por todo el cuerpo.

Este fue el primer estudio que examina los datos diarios de los pacientes con COVID-19, utilizando IA para comprender la respuesta clínica a las necesidades rápidamente cambiantes de los pacientes en las UCI. Los investigadores analizaron datos de 633 pacientes con COVID-19 ventilados mecánicamente en 20 UCI del Reino Unido durante la primera ola del brote de COVID-19 (del 1 de marzo al 31 de agosto de 2020). Examinaron la importancia de los factores asociados con la progresión de la enfermedad, como los coágulos de sangre y la inflamación en los pulmones, así como los tratamientos administrados y si el paciente finalmente murió o fue dado de alta. Utilizaron estos datos, que fueron recopilados diariamente por legiones de estudiantes de medicina, enfermeras, médicos, personal de auditoría, investigación y datos, para diseñar y entrenar la herramienta de inteligencia artificial que luego hizo predicciones sobre factores que determinan los resultados.

Los nuevos hallazgos mostraron que el modelo de IA identificó factores que determinaron qué pacientes tenían probabilidades de empeorar y no responder a intervenciones como la posición prona. Los investigadores encontraron que, durante la primera ola de la pandemia, los pacientes con coágulos de sangre o inflamación en los pulmones, niveles más bajos de oxígeno, presión arterial más baja y niveles más bajos de lactato tenían menos probabilidades de beneficiarse de la pronación. En general, la pronación mejoró la oxigenación en solo el 44% de los pacientes.

Si bien el modelo de IA se utilizó en una cohorte retrospectiva de datos de pacientes recopilados durante la primera ola de la pandemia, el estudio demuestra la capacidad de los métodos de IA para predecir los resultados de los pacientes utilizando información clínica de rutina utilizada por los médicos de la UCI. Los investigadores dicen que el enfoque, en el que los datos de cada paciente se analizaron día a día en lugar de solo al ingreso, podría usarse para mejorar las pautas en la práctica clínica en el futuro. Se podría aplicar a posibles oleadas futuras de la pandemia y otras enfermedades tratadas en entornos clínicos similares.

Los investigadores continúan recopilando datos de pacientes y actualmente analizan los hallazgos de la segunda ola de la pandemia. Señalan que en la primera ola había tratamientos farmacológicos limitados disponibles, por lo que es posible que más pacientes con COVID-19 hayan sido asignados directamente a la UCI para recibir apoyo respiratorio. Sin embargo, en la segunda ola, estaban más disponibles los tratamientos probados como los esteroides y el tocilizumab, por lo que los que progresaron a la UCI tenían un perfil de enfermedad diferente, ya que eran pacientes inherentemente resistentes a estos tratamientos farmacológicos iniciales.

“El análisis avanzado para permitir el seguimiento de la enfermedad permite optimizar la atención de los pacientes para que no se pierda la oportunidad de cualquier intervención”, dijo el primer autor y director científico clínico, el Dr. Brijesh Patel, del Departamento de Cirugía y Cáncer del Imperial e intensivista senior en el Hospital Real Brompton. “Los datos de esta evaluación nacional nos permitieron no solo examinar cómo nuestras decisiones de manejo afectaron el curso de la enfermedad, sino también, de manera importante, dónde podríamos mejorar”.

“Nuestra herramienta de aprendizaje automático podría ayudar a rastrear el progreso de los pacientes en tiempo real y ayudar a informar las pautas de la UCI al llenar los vacíos en la atención al paciente, reflejándose en los médicos para identificar las mejores prácticas rápidamente y beneficiarse del intercambio”, dijo el autor principal y líder de ciencia de datos, el profesor Aldo Faisal, director del Centro UKRI de Imperial para la formación de doctorado en inteligencia artificial para el cuidado de la salud en los departamentos de informática y bioingeniería. “Más de un año después, todavía aprendemos cómo el curso de COVID-19 afecta al cuerpo y cómo esto puede cambiar día a día. La ciencia de datos y la alimentación diaria de datos de las UCI de todo el país nos ayudan a aprender mucho más rápido cuál es la mejor manera de tratar a los pacientes individuales en función de sus síntomas y necesidades diarias”.

Enlace relacionado:
Colegio Imperial de Londres