El sistema, elaborado con inteligencia artificial, es una gran herramienta para facilitar la toma de decisiones al personal sanitario y ha demostrado efectividad en el 90% de los casos
MURCIA. La pandemia sanitaria de la covid-19 provocó el colapso de los servicios hospitalarios en todo el mundo, lo que generó la necesidad de que el personal sanitario pudiera tener herramientas que hicieran más eficaz la toma de decisiones en el triaje de pacientes para mejorar la gestión de recursos y un mayor éxito en la atención médica y la recuperación. En este contexto, miembros de los grupos de investigación de Sistemas Inteligentes y Telemática y de Inteligencia Artificial e Ingeniería del Conocimiento de la Universidad de Murcia, junto con personal médico del Hospital 12 de Octubre de Madrid y la Clínica de la Universidad de Navarra, coordinados por el profesor de la UMU Juan A. Botía, llevaron a cabo un proyecto de investigación destinado a establecer modelos de predicción gracias a la inteligencia artificial para conseguir que, en el momento del ingreso, se disponga de una predicción de cómo será la evolución del paciente y el pronóstico de su estado de salud tras la infección.
El modelo desarrollado ha demostrado tener un 90% de efectividad y los resultados obtenidos se han publicado en la revista Scientific Reports, de la editorial Nature, con el título A predictive model for hospitalization and survival to COVID-19 in a retrospective population-based study.
Para llevar a cabo este proyecto, que ha contado con la financiación de la Fundación Séneca y la colaboración del Servicio Murciano de Salud, se han estudiado los datos de 86.867 pacientes de la Región de Murcia diagnosticados desde principios de la pandemia hasta febrero de 2021. La elaboración de este modelo predictivo ha supuesto el análisis estadístico de los factores que suponen un mayor riesgo de cursar con gravedad la enfermedad. En orden de importancia estos factores son:
-La edad. A más edad del paciente, mayor riesgo
-Sexo. Ser hombre confiere un mayor riesgo de gravedad.
-Enfermedades crónicas. A mayor número de enfermedades crónicas, mayor riesgo frente a la covid. La insuficiencia renal y la obesidad son las dos más determinantes.
Con toda la información obtenida, los modelos generados por el grupo de investigación de la UMU han demostrado tener una alta precisión con más de un 90% de acierto para pronosticar el estado final del paciente en términos de supervivencia o fallecimiento. Este nivel de precisión se ha logrado teniendo en cuenta solo la información disponible en el momento del ingreso hospitalario. Considerando que se trata de datos fáciles de obtener en el ingreso, la herramienta obtenida con esta investigación puede ser muy útil para una situación como la vivida en la pandemia.
Por otra parte, los resultados obtenidos arrojan otras informaciones interesantes que pueden servir para futuras investigaciones, como el hecho de que se ha detectado un efecto reductor del riesgo de mortalidad en pacientes que tenían osteoartritis.