traductor

miércoles, 7 de agosto de 2019

El método que predice la probabilidad de sobrevivir a una enfermedad grave

El método que predice la probabilidad de sobrevivir a una enfermedad grave

El Clínic desarrolla un modelo matemático para determinar la secuencia de aparición de los síntomas de la malaria severa

El método que predice la probabilidad de sobrevivir a una enfermedad grave
Un modelo matemático para ayudar a combatir las enfermedades graves (Freepik / Mario Chaparro)
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
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”

Los 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”

“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”

Según 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
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”

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: