Epidemiólogos y bioingenierieros españoles usan inteligencia artificial para saber si un paciente de coronavirus irá a la UCI
Sería clave para evitar un colapso sanitario en una segunda ola
El coronavirus despista por su inmunidad, su capacidad de contagio y sus mutaciones. Pero ahora científicos de la Universidad Pompeu Fabra (UPF) y del Instituto de Salud Global (ISglobal) de Barcelona desarrollan un modelo de inteligencia artificial con tecnología de IBM para predecir si un paciente con COVID generará insuficiencia respiratoria grave y requerirá ingresar en la Unidad de Cuidados Intensivos (UCI). Sería el modo de saber a ciencia cierta cuánta gente, tras analizar miles de datos y casos concretos, pueden acabar en la UCI. Sería datos preciosos de cara a una nueva oledada de coronavirus porque así tendríamos más previsión de cara a afrontarla con garantías e impedir un colapso sanitario como el provocado por la primera ola.
En el proyecto están trabajando bioingenieros y epidemiólogos especializados en enfermedades respiratorias y neumología, que quieren que este modelo pueda detectar en pocos segundos patrones tempranos que indiquen la evolución de la enfermedad.
MÁS
Para desarrollar el modelo, la UPF y ISGlobal están aplicando capacidades de inteligencia artificial, como el aprendizaje profundo y las redes neuronales, junto con la potencia de procesamiento de los sistemas IBM Power, para analizar miles de datos clínicos e imágenes médicas anónimas facilitadas por varios hospitales de Madrid y Barcelona y por el programa de datos para investigación de la Generalitat.
Según los datos disponibles hasta ahora, alrededor del 80 % de los pacientes infectados por SARS-CoV-2 sufre una enfermedad leve o asintomática, cerca de un 14 % tiene una forma grave que requiere hospitalización y aproximadamente un 5 % evoluciona a enfermedad aguda con insuficiencia respiratoria grave que requiere su ingreso en las UCI.
"Conocer con antelación una estimación de los pacientes que van a ingresar en las UCI es fundamental para organizar la atención sanitaria y priorizar los recursos en caso de nuevos brotes de la enfermedad, pero no es fácil predecir qué pacientes desarrollarán un cuadro clínico grave", según Judith García Aymerich, jefe del programa de Enfermedades no Transmisibles y Medio Ambiente del ISGlobal, centro impulsado por La Caixa.
"Vamos a entrenar nuestro modelo con datos de imágenes, como radiografías simples de tórax, y con datos clínicos, para dotar el modelo de un poder predictivo mucho mayor", ha añadido el investigador de la UPF Mario Ceresa.
El proyecto está aún en fase 1 de entrenamiento de los modelos con los datos de imagen y la puesta en producción y la fase 2 se prevé para el último trimestre de 2020.