El ‘cerebro’ con el que adelantarse a la Covid
Un investigador de la UEMC colabora en la elaboración de una red neuronal artificial que predice la supervivencia de pacientes con coronavirus / La meta del trabajo es crear un modelo matemático que analice el pronóstico de los enfermos
Avanza para centrarse en la flexibilidad, la resiliencia, la justicia, la dignidad, la felicidad, el bienestar, la salud, la empatía, la solidaridad y la paz. Muchos frentes abiertos para una de las tecnologías más importantes del siglo XXI. Las ventajas de la inteligencia artificial son muy prometedoras; van desde mejorar los diagnósticos de imágenes médicas a colaborar con los investigadores en el desarrollo de nuevas terapias, pasando por la optimización de los recursos al reducir el consumo de energía. Una carrera de fondo que centra su objetivo en la Covid.
Este virus ha cambiado el mundo y ha dejado una crisis sin precedentes. La comunidad científica se afana en buscar soluciones. En este camino, Alejandro Santos Lozano, investigador de la Universidad Europea Miguel de Cervantes (UEMC), colabora en la elaboración de una red neuronal que predice la supervivencia de pacientes con coronavirus. Y es que, tal y como reconoce, a pesar de que el conocimiento que existe sobre la enfermedad ha mejorado de manera exponencial desde que la sociedad fue consciente de la gravedad del virus SARS-CoV-2, aún es necesario seguir profundizando en su investigación dada la gran variabilidad en la evolución clínica que pueden presentar los pacientes.
De hecho, mientras que la gran mayoría de ellos muestran síntomas medios-moderados, una tercera parte necesita ser hospitalizada. Estos enfermos hospitalizados, indica, tienen más posibilidades de tener complicaciones que los que permanecen en sus domicilios. Eso significa que ser capaces de identificar los pacientes de alto riesgo en el momento del ingreso podría ser de vital importancia.
Por este motivo, la investigación en la que participa decidió dar un paso al frente y crear un modelo matemático a través del uso de la inteligencia artificial, en concreto mediante redes neuronales artificiales, que permitiera estimar el pronóstico de las personas que entraban en urgencias en términos de supervivencia a partir de los valores de marcadores sanguíneos y hematológicos analizados de forma habitual.
Santos Lozano defiende que el estudio es innovador porque utiliza la inteligencia artificial como forma de análisis predictivo para identificar a los pacientes de alto riesgo de mortalidad por coronavirus en el momento del ingreso hospitalario. Para avanzar en este sendero, este equipo se ha apoyado, en primer lugar, en sistemas que piensan como humanos. También se ha centrado en procesar grandes bases de datos para profundizar en el conocimiento de la naturaleza con rapidez. En este punto, sostiene que, por ejemplo, es posible conocer la evolución de las manifestaciones clínicas de un nuevo virus dentro del cuerpo humano.
«La inteligencia artificial no es magia; necesita tener una gran cantidad de datos recogidos con calidad y programar la red neuronal de manera correcta. Sin estas dos condiciones, los análisis tradicionales pueden tener la misma validez que los análisis estadísticos actuales basados en machine learning», explica el investigador de la UEMC para, a continuación, ensalzar la «excepcional labor» del personal del Hospital Universitario 12 de Octubre. «Ser capaces de recoger los datos para poder estudiar el avance de la enfermedad y, a la par, trabajar en unas condiciones nunca vistas hasta el momento en nuestra sanidad, con una gran presión y poniendo en riesgo su vida, es el lugar donde realmente radica la magia del estudio».
Los resultados de este trabajo, basados en datos de 1.369 pacientes, de los que 1.090 sobrevivieron al virus, parecen indicar que, junto con una menor edad, bajos valores de la enzima lactato deshidrogenasa (LDH, enzima importante en la vía del metabolismo anaeróbico), altos niveles de la tasa de filtración glomerular (indicador de la función renal), altos niveles de albúmina (principal proteína sanguínea y con varias funciones) y altos niveles de hemoglobina (proteína que forma parte de los glóbulos rojos) mejoran el pronóstico de los pacientes.
«El modelo predictivo parece tener un acierto del 85%, siendo muy preciso especialmente en la identificación de aquellos pacientes que van a sobrevivir al virus, el 92% de acierto. Esto significa que, utilizando variables rutinarias sanguíneas y hematológicas junto con un buen triaje por parte de los sanitarios, se puede identificar de manera sencilla a los pacientes con mayor y menor probabilidad de tener complicaciones por la enfermedad», declara Santos Lozano.
El proyecto arrancó en las primeras semanas de la pandemia en España, en el momento en que el personal sanitario se dio cuenta de la gran variabilidad de la progresión de los pacientes, muchas veces sin ningún sentido lógico o, incluso, en contra de sus previsiones iniciales. A través de conversaciones con los doctores Alejandro Lucía y Miguel Ángel Martín, investigadores con los que colabora regularmente desde hace casi ya una década, decidieron estudiar en profundidad la posibilidad de que los valores de las principales variables sanguíneas y hematológicas que se analizan en las primeras horas de ingreso de un paciente podrían predecir su evolución. Así, investigadores y profesionales clínicos trabajan en equipo para la creación de un modelo predictivo de supervivencia.
Celebra que la red neuronal artificial es pionera, puesto que, a pesar de que distintos autores habían propuesto el uso de la inteligencia artificial en la investigación de la pandemia, hasta el momento no se había utilizado ningún análisis matemático complejo para la predicción de supervivencia en pacientes con coronavirus.
De cara al futuro, su deseo sería que no hiciera falta seguir estudiando la Covid, sin embargo, todo parece indicar que se está de nuevo ante una transmisión comunitaria no controlada del virus en España y en Europa. «Si fuera el caso, intentaremos contrastar el algoritmo generado con los datos de nuevos pacientes. Esto tendría un doble objetivo: intentar facilitar la identificación de los pacientes de riesgo lo antes posible y comparar si la evolución clínica de enfermos contagiados en la actualidad es similar a los iniciales», señala.