El aprendizaje automático genera una sorpresa de COVID

Una visita al hospital puede reducirse a una dolencia inicial y un resultado. Pero los registros de salud cuentan una historia diferente, llenos de notas de médicos e historias de pacientes, signos vitales y resultados de pruebas, que pueden abarcar semanas de estadía. En los estudios de salud, todos esos datos se multiplican por cientos de pacientes. No es de extrañar, entonces, que a medida que las técnicas de procesamiento de datos de IA se vuelven cada vez más sofisticadas, los médicos traten la salud como un problema de IA y big data.

En un esfuerzo reciente, los investigadores de la Universidad de Northwestern aplicaron el aprendizaje automático a los registros de salud electrónicos para producir un análisis más detallado y diario de la neumonía en una unidad de cuidados intensivos (UCI), donde los pacientes recibieron asistencia para respirar con ventiladores mecánicos. El análisis, publicado el 27 de abril en el Journal of Clinical Investigation, incluye la agrupación de días de pacientes por aprendizaje automático, lo que sugiere que la insuficiencia respiratoria a largo plazo y el riesgo de infección secundaria son mucho más comunes en pacientes con COVID-19 que el tema de mucho Primeros temores de COVID: tormentas de citoquinas.

"La mayoría de los métodos que abordan el análisis de datos en la UCI observan los datos de los pacientes cuando son admitidos, luego los resultados en algún momento distante", dijo Benjamin D. Singer, coautor del estudio y profesor asociado en la Facultad de Medicina Feinberg de Northwestern. "Todo en el medio es una caja negra".

La esperanza es que la IA pueda hacer nuevos hallazgos clínicos a partir de los datos diarios del estado de los pacientes de la UCI más allá del estudio de caso de COVID-19.

El enfoque diario de los datos llevó a los investigadores a dos hallazgos relacionados: las infecciones respiratorias secundarias son una amenaza común para los pacientes de la UCI, incluidos aquellos con COVID-19; y una fuerte asociación entre COVID-19 e insuficiencia respiratoria, lo que puede interpretarse como una inesperada falta de evidencia de tormentas de citoquinas en pacientes con COVID-19. Podría esperarse un eventual cambio a una falla multiorgánica si los pacientes tuvieran una respuesta inflamatoria de citocinas, que los investigadores no encontraron. Las tasas informadas varían, pero las tormentas de citocinas se han considerado desde los primeros días de la pandemia como una posibilidad peligrosa en los casos graves de COVID-19.

Alrededor del 35 por ciento de los pacientes fueron diagnosticados con una infección secundaria, también conocida como neumonía asociada al ventilador (NAV), en algún momento durante su estadía en la UCI. Más del 57 por ciento de los pacientes con COVID-19 desarrollaron VAP, en comparación con el 25 por ciento de los pacientes sin COVID. Se informaron múltiples episodios de VAP en casi el 20 por ciento de los pacientes con COVID-19.

Catherine Gao, profesora de medicina en la Universidad Northwestern y una de las coautoras del estudio, dijo que los algoritmos de aprendizaje automático que usaron ayudaron a los investigadores a "ver patrones claros que tenían sentido clínico". El equipo denominó a su enfoque de aprendizaje automático centrado en el día CarpeDiem, por la frase latina que significa "aprovechar el día".

CarpeDiem se creó utilizando la plataforma Jupyter Notebook, y el equipo ha puesto a disposición tanto el código como los datos desidentificados. El conjunto de datos incluía 44 parámetros clínicos diferentes para cada día del paciente, y el enfoque de agrupación arrojó 14 grupos con diferentes firmas de seis tipos de disfunción de órganos: respiratoria, inestabilidad del ventilador, inflamatoria, renal, neurológica y shock.

"El campo se ha centrado en la idea de que podemos observar los primeros datos y ver si eso predice cómo van a estar [los pacientes] días, semanas o meses después", dijo Singer. La esperanza, dijo, es que la investigación que utiliza el estado diario del paciente en la UCI, en lugar de solo unos pocos puntos de tiempo, pueda brindarles a los investigadores, y a la IA y los algoritmos de aprendizaje automático que usan, más información sobre la eficacia de los diferentes tratamientos o las respuestas a los cambios en el estado de salud de un paciente. condición. Una dirección de investigación futura sería examinar el impulso de la enfermedad, dijo Singer.

La técnica que desarrollaron los investigadores (a la que llamaron "enfoque del día del paciente") podría detectar otros cambios en los estados clínicos con menos tiempo entre los puntos de datos, dijo Sayon Dutta, médico de urgencias del Hospital General de Massachusetts que ayuda a desarrollar modelos predictivos para la práctica clínica. utilizando el aprendizaje automático y no participó en el estudio. Los datos por hora podrían presentar sus propios problemas para un enfoque de agrupación, dijo, lo que dificulta el reconocimiento de los patrones. "Creo que dividir el día en partes de 8 horas podría ser un buen compromiso de granularidad y dimensionalidad", dijo.

Las llamadas para incorporar nuevas técnicas para analizar las grandes cantidades de datos de salud de la UCI son anteriores a la pandemia de COVID-19. El aprendizaje automático o los enfoques computacionales podrían usarse en la UCI de varias maneras, no solo en estudios observacionales. Las posibles aplicaciones podrían usar registros de salud diarios, así como datos en tiempo real registrados por dispositivos de atención médica, o involucrar el diseño de máquinas receptivas que incorporen una variedad de información disponible.

Las tasas generales de mortalidad fueron de alrededor del 40 por ciento tanto en los pacientes que desarrollaron una infección secundaria como en los que no. Pero entre los pacientes del estudio con un caso diagnosticado de VAP, si su neumonía secundaria no se trató con éxito dentro de los 14 días, el 76,5 por ciento finalmente murió o fue enviado a cuidados paliativos. La tasa fue del 17,6 por ciento entre aquellos cuya neumonía secundaria se consideró curada. Ambos grupos incluyeron aproximadamente 50 pacientes.

Singer enfatiza que el riesgo de neumonía secundaria suele ser necesario. "El ventilador es absolutamente salvavidas en estos casos. Depende de nosotros descubrir cómo manejar mejor las complicaciones que surgen de él", dijo. "Tienes que estar vivo para experimentar una complicación".