Inteligencia artificial podría predecir ingreso a servicios de emergencia


México, 22 nov.- El aprendizaje automático podría ayudar a predecir si un paciente requiere ingreso hospitalario de emergencia, reveló un nuevo estudio del Instituto George para la Salud Global, en la Universidad de Oxford. 

Este campo de Inteligencia Artificial utiliza técnicas estadísticas para permitir que los sistemas informáticos se “aprendan” a partir de los datos, por lo que puede usarse para analizar registros electrónicos de salud y predecir la necesidad de un ingreso hospitalario de emergencia. 

La investigación, publicada en la revista PLOS Medicine, sugiere que el uso de estas técnicas podría ayudar a los profesionales de la salud, a monitorear con precisión los riesgos que enfrentan los pacientes, y poner en práctica medidas para evitar admisiones no planificadas, que son una fuente importante de gasto en atención médica. 

Fatemeh Rahimian, líder del estudio, refirió que en 2017 se registraron más de 5.9 millones de ingresos hospitalarios de emergencia en el Reino Unido, y una gran parte de ellos fueron evitables. 

“Queríamos proporcionar una herramienta que permita a los trabajadores de la salud monitorear con precisión los riesgos que enfrentan sus pacientes y, como resultado, tomar las mejores decisiones sobre la evaluación del paciente y la atención proactiva que reduciría la carga de admisiones de emergencia”, indicó en la página de Internet de la Universidad de Oxford. 

La investigación se realizó de 1985 a 2015, a 4.6 millones de pacientes, utilizando registros electrónicos de salud vinculados del enlace de investigación de práctica clínica del Reino Unido. 

Para ello, se tomaron en cuenta una amplia gama de factores, incluyendo edad, sexo, etnia, estatus socioeconómico, historia familiar, factores del estilo de vida, comorbilidades, medicación y estado civil, así como el tiempo desde el primer diagnóstico, el último uso del sistema de salud y las últimas pruebas de laboratorio. 

Se encontró que los modelos de aprendizaje automático brindaban una estimación más sólida del riesgo del ingreso hospitalario de emergencia que cualquier otro modelo utilizado con anterioridad. 

El estudio mostró que con los grandes conjuntos de datos que contienen información valiosa sobre individuos, los modelos de aprendizaje automático superaran a uno de los mejores modelos estadísticos convencionales, dijo Rahimian. 

“Consideramos que esto se debe a que los modelos de aprendizaje automático capturan y “aprenden” automáticamente a partir de las interacciones entre los datos que no conocíamos previamente”, apuntó. 

 

Fuente: Notimex