Investigadores del Hospital Clínic de Barcelona e ISGlobal, en
colaboración con el Centro de Medicina de Precisión del Imperial College
London, han desarrollado un modelo matemático que permite determinar la secuencia de aparición de los síntomas de la malaria grave. El sistema, que puede vaticinar el final más probable de una persona con esta enfermedad, puede ser trasladable a otras patologías, como el cáncer, y permitirá al médico ir un paso por delante de la enfermedad.
“Sería el equivalente a establecer la línea narrativa de una película en base a un solo fotograma”, explica a La Vanguardia
el doctor Climent Casals-Pascual, microbiólogo, consultor del Centre de
Diagnòstic Biomèdic del Hospital Clínic y principal responsable de la
investigación, publicada en la revista Nature Digital Medicine. “Pero todavía hay más, este método nos permite determinar el final
más probable de la película, con el objetivo de modificarlo”, añade.
Algoritmos para ir un paso por delante de la enfermedad
(Freepik / Mario Chaparro)
Lo que han conseguido estos investigadores es establecer la
línea temporal por la que discurre la malaria grave. Pongamos que la
patología está compuesta, es un decir, por 10 síntomas, siendo el número
uno el primero que aparece y el décimo el último que cierra la
cronología. “Si al médico le llega a la consulta un paciente con el
cuarto síntoma, el profesional sabrá que esta persona está mejor que una
que se hubiera presentado con el sexto”, esgrime Casals-Pascual.
Al final, lo que pretenden los investigadores “es establecer esta
secuencia para ver qué tratamiento es más adecuado en cada momento”.
“Por eso se llama medicina de precisión”, subraya este microbiólogo. “A
cada paciente hay que darle un riesgo y una probabilidad individual, y
esa es la transición que estamos haciendo”, agrega.
A cada paciente hay que darle un riesgo y una probabilidad individual”
Climent Casals-PascualMicrobiólogo y consultor del Centre de Diagnòstic Biomèdic del Hospital ClínicLos responsables del estudio han desarrollado el modelo
matemático gracias al análisis de los casos de 3.000 niños de Gambia
afectados por la malaria grave, una enfermedad que mata anualmente a
casi medio millón de personas, la mayoría niños menores de cinco años
del África subsahariana.
“El ordenador seleccionó cuáles eran los rasgos clínicos más
probables que acaban con la vida de las personas –explica
Casals-Pascual-, y gracias a ese aprendizaje [machine learning] la máquina puede predecir la posibilidad que tiene un paciente de sobrevivir”.
Es como si fuera un software de identificación facial: te reconoce en qué punto estás de la enfermedad”
Climent Casals-PascualMicrobiólogo y consultor del Centre de Diagnòstic Biomèdic del Hospital Clínic“Es como si fuera un software de identificación facial: te
reconoce en qué punto estás de la enfermedad y las probabilidades de
supervivencia”, prosigue este investigador. Esta información “ayuda al
médico a saber si el paciente requiere de un tratamiento más agresivo o
más leve en función de si está en un estadio más o menos avanzado”.
Para validar su método, los investigadores enviaron un cuestionario,
con la misma lista de síntomas analizados por el algoritmo, a 30
expertos mundiales de malaria con gran experiencia en el trópico para
que los ordenaran cronológicamente. “Vimos que había una correlación muy
buena”, explica Casals-Pascual. Eso les llevó a la conclusión de que es
posible “establecer una equiparación entre el proceso lógico de
pensamiento de un médico y un ordenador que no sabe nada de medicina”.
Las matemáticas no nos solucionan el problema, si no, la medicina la harían los robots, pero sí nos ayudan”
Climent Casals-PascualMicrobiólogo y consultor del Centre de Diagnòstic Biomèdic del Hospital ClínicSegún este investigador, los síntomas que deben poner al
profesional en alerta ante un paciente con malaria son la pérdida de
consciencia y la dificultad para respirar. “Eso ya lo sabíamos
clínicamente sin necesidad de haber desarrollado nuestro modelo, pero lo
interesante es que sólo dándole unos parámetros fríos, un algoritmo te
permite aprender medicina”, subraya el investigador del Clínic.
Casals-Pascual ahonda en esta última idea: “El algoritmo nos puede
enseñar algo de la enfermedad que nosotros hasta ahora no habíamos
captado, que tiene más relevancia de lo que creíamos”. Al final se trata
de usar la medicina digital para avanzar: “Las matemáticas no nos
solucionan el problema, si no, la medicina la harían los robots, pero sí
nos ayudan”.
Este sistema matemático podrá ser usado para otras patologías
(Freepik / Mario Chaparro)
Otra buena noticia es que este modelo puede ser exportable a otras
patologías: “Se podrá aplicar en cánceres, en lo que se quiera”, arguye
este microbiólogo. Eso sí, con matices: cada enfermedad requerirá de
unos ajustes. “Nosotros hemos incluido en el algoritmo unos datos que
tienen mucho sentido para el estudio de la malaria. Si alguien quisiera
hacer lo mismo con cáncer, obviamente no habría ningún problema, pero
habría que utilizar y optimizar el algoritmo para el estudio de esa
enfermedad concreta”, agrega este investigador del Clínic.
“En el momento que tuvieran una base de datos equivalente a la
nuestra, los investigadores de cáncer que quisieran podrían usar nuestro
modelo matemático, que está abierto a todo aquel que lo quiera usar”,
añade.
El modelo funciona con cualquier enfermedad que tenga un cierto grado de complejidad”
Climent Casals-PascualMicrobiólogo y consultor del Centre de Diagnòstic Biomèdic del Hospital Clínic
Según Casals-Pascual, “el modelo funciona con cualquier
enfermedad que tenga un cierto grado de complejidad, donde la secuencia
de los acontecimientos no queda muy clara”.
“La limitación de la explotación del big data dependerá de la
cantidad de información digitalizada por cada enfermedad. Pero en los
hospitales hoy en día ya se digitaliza todo”, concluye este
investigador.
No hay comentarios:
Publicar un comentario