Un grupo de investigadores del Servicio de NefrologÃa y del Departamento de Sistemas de Información del Hospital Universitario Parc TaulÃ, de Sabadell (Barcelona), y de los Departamentos de Telecomunicaciones e Ingenieria de Sistemas y de Arquitectura de Computadores y Sistemas Operativos de la Universidad Autónoma de Barcelona, liderados por José Ibeas, han desarrollado un estudio que ha demostrado que el uso de la inteligencia artificial puede suponer una alternativa para reconocer y predecir la mortalidad en los pacientes renales.
En concreto, han desarrollado un modelo de aprendizaje automático (machine learning) basado en métodos computacionales que detectan interacciones complejas y no lineales entre variables e identifican las variables latentes entre los factores de riesgo de la enfermedad renal, improbables de observar directamente. Se trata de un proyecto que se enmarca en un entorno colaborativo que está dando lugar a diversas lÃneas de investigación como la actual, que supone la tesis doctoral de Edward Macias.
El objetivo del estudio, que fue presentado en el XLVIII Congreso Nacional de la Sociedad Española de NefrologÃa (S.E.N.) y el IX Congreso Iberoamericano de NefrologÃa, consistió en evaluar si los algoritmos de machine learning basados en redes neuronales puede establecer un modelo predictivo de mortalidad en el paciente en hemodiálisis a los 6 meses, para lo cual se realizó un análisis retrospectivo de una cohorte de 278 pacientes en hemodiálisis, desde abril de 1998 a febrero 2018.
Redes neuronalesComo metodologÃa se utilizó un algoritmo de machine learning basado en redes neuronales (feed-forward neural network). El modelo de predicción de mortalidad se entrenó con una red neuronal feedforward de un modo progresivo desde una capa de 15 neuronas hasta una red neural profunda de 2 capas ocultas de 300 y 100 neuronas respectivamente. Esta red toma como entrada ventanas temporales inicialmente de 6 meses, para posteriormente hacer combinaciones de ventanas de diferente longitud, prediciendo mortalidad a diferentes intervalos de tiempo. Esta red se entrenó con 1.581 periodos de seguimiento de 6 meses y hasta 6.453 periodos de un mes, de las cuales el 70% se usaron para entrenar y el 30% para evaluar el rendimiento de la clasificación. Las variables analizadas fueron edad, sexo, tiempo de diálisis, fecha de exitus, diagnósticos (por codificación CIE-9), variables analÃticas y de hemodiálisis.
Los resultados de la investigación concluyeron que el modelo presenta una sensibilidad, especificidad, valor predictivo y precisión superior al 95%. Los investigadores destacaron que la metodologÃa de inteligencia artificial mediante machine learning demuestra un entrenamiento y validez del modelo con una excelente capacidad de reconocimiento y predicción del evento de muerte, y que el uso de este modelo predictivo puede suponer un cambio en el abordaje de los algoritmos para el establecimiento de factores de riesgo de mortalidad en el paciente renal.
The post La inteligencia artificial ayuda a predecir la mortalidad en enfermedad renal appeared first on Diariomedico.com.