NeumoVigo hace «trajes a medida» para pacientes con EPOC mediante IA

Analizó 40 variables clínicas, sociales y económicas de 524 pacientes y detectó 4 perfiles

Esta herramienta permite predecir el 80% de las crisis y personalizar el tratamiento

Los investigadores Manuel Casal Guisande y Cristina Represas Represas

Los investigadores Manuel Casal Guisande y Cristina Represas Represas / Marta G. Brea

Algoritmos de inteligencia artificial analizan en tiempo real los datos que generamos para segmentarnos y ofrecernos los productos que más nos pueden interesar a cada uno. En NeumoVigo proponen aprovechar esa capacidad de análisis de grandes volúmenes de información y de identificación de patrones y relaciones complejas para agrupar a los enfermos y hacerles un «traje a medida» en su atención. Lo ven especialmente útil en las enfermedades respiratorias, que son muy «heterogéneas», con pacientes de perfiles muy diversos. Acaban de publicar los resultados de su investigación para la Enfermedad Pulmonar Obstructiva Crónica (EPOC) y ya han captado la atención de sus colegas. La editorial de la revista de referencia de estas patologías en España, Archivos de Bronconeumología, destaca su potencial.

Casi una de cada diez personas padece EPOC. Rondan las 40.000 en el área viguesa y 10.000 tienen síntomas significativos. Además, es la tercera causa de muerte. Mediante herramientas de aprendizaje automático, este estudio logra clasificar a los hospitalizados por EPOC en cuatro grupos, analizando 40 variables de 542 pacientes de las áreas de Vigo y de Lugo. El objetivo es predecir eventos, como reingresos o mortalidad, para ajustar el manejo terapéutico. Si analizando los datos clínicos lograban pronosticar la mitad, con esta herramienta suben al 80%.

El ingeniero industrial Manuel Casal Guisande es el autor principal de este trabajo de NeumoVigo I+i, el grupo del Instituto de Investigación Sanitaria Galicia Sur, coordinado por el jefe de Servicio de Neumología, el doctor Alberto Fernández Villar. También está implicada la investigadora y responsable de la consulta de EPOC de alto consumo, la doctora Cristina Represas Represas.

El grupo lleva casi una década investigando en cómo influye la situación socioeconómica del paciente en su enfermedad. «Una persona en buena situación suele tener un apoyo para limpiar, no vive en un quinto sin ascensor, tiene calefacción...», ejemplifican. Ya tenían muchos datos recabados en las cohortes con las que trabajan y, gracias a la IA, dieron «un paso más». «Nos permite encontrar asociaciones que no son evidentes para nosotros», explican. Descubrieron que las circunstancias sociales, como la dependencia, son las más predictoras. Subrayan que esto tiene «una aplicación casi inmediata». «Es la medicina que viene, en un año o dos», subrayan y cuentan que está en fase de validación e implementación.

¿Y cuáles son los perfiles que obtuvieron?

Sus algoritmos detectaron cuatro. Los pacientes A son los independientes, ligeramente más jóvenes —la edad media es de 70 años— y con EPOC más leve. Es el más frecuente (33%). La mayoría vive en el rural, tiene una red social sólida y menor consumo de tóxicos. A él pertenecería Fernando. Este exfumador con diagnóstico desde los 62 años, aunque tenga que cargar con el oxígeno en la mochila, sigue saliendo con sus amigos y yendo de paseo Y tampoco ha dejado el golf. Solo que ahora usa buggy. La IA prevé una mortalidad y unos reingresos más bajos.

Los pacientes B (17%) son hombres mayores con enfermedades cardíacas, predominantemente urbanos y de buenas condiciones socioeconómicas. Es en el que estaría Jose, de 86 años, que se ha podido permitir una reforma para eliminar las escaleras que ya le fatigaban. Es un abuelo y bisabuelo activo y sigue jugando la partida. Siempre con la máquina de oxígeno a mano. Ya ha ingresado tres veces. La herramienta le adjudica un nivel de mortalidad y reingreso intermedio.

El grupo C (16%) son jóvenes con problemas psicosociales, urbanos, con alto consumo de tóxicos. Es el único en el que está compensada la presencia de hombres y mujeres y un ejemplo es Elisa —nombre falso—. Es delgada, fuma, tiene colon irritable, ansiedad, depresión y tuvo una relación con maltrato psicológico que acabó con la pérdida de su casa. La IA predice una mortalidad moderada y reingresos intermedios.

Pura está en el grupo D (30%), el de las personas con alto grado de dependencia y mútiples comorbilidades. La IA pronostica mayor mortalidad y alto consumo de recursos. «Mi madre está vida de casualidad y es por la doctora Represas», cuenta su hija. Los hermanos se turnan para cuidarla. Solo con la ducha ya se agota. «Ella tiene voluntad, pero hay que ayudarla».

Con un sistema inteligente de apoyo a la decisión clínica, asignan grupo a los nuevos pacientes con solo cinco variables: edad, índice de masa corporal, hospitalizaciones en el año anterior y actividades con dependencia. Abogan por una atención «holística». Pueden pautar medicación, calcular frecuencia de atención o pedirles consulta con otro profesional, como psicólogos. Ahora, ultiman los resultados de trabajos similares en apnea del sueño, déficit de alfa-1 antitripsina y cáncer de pulmón. Su meta es avanzar en la medicina de precisión y optimizar recursos.

Suscríbete para seguir leyendo

Tracking Pixel Contents