Machine learning para el tratamiento de la sepsis

Investigadores del MIT y del MGH han desarrollado un modelo predictivo que podría guiar a los médicos a decidir cuándo administrar medicamentos potencialmente vitales a aquellos pacientes que reciben tratamiento para la sepsis en Urgencias.

En las pruebas iniciales, el modelo del MIT y del MGH basado en machine learning pudo predecir la necesidad de un vasopresor en más del 80% de las ocasiones
En las pruebas iniciales, el modelo del MIT y del MGH basado en machine learning pudo predecir la necesidad de un vasopresor en más del 80% de las ocasiones
logo squared 200x200
24 noviembre 2018 | 00:00 h

Un equipo de investigadores del Instituto de Tecnología de Massachusetts (MIT, por sus siglas en inglés Massachusetts Institute of Technology) y del Hospital General de Massachusetts (MGH, en inglés Massachusetts General Hospital) ha desarrollado un modelo predictivo que podría guiar a los médicos a decidir cuándo administrar medicamentos potencialmente vitales a aquellos pacientes que reciben tratamiento para la sepsis en Urgencias.

La sepsis es una de las causas más frecuentes de ingreso en la Unidad de Cuidados Intensivos (UCI). No obstante, la gran mayoría de estos pacientes llegan a través del Servicio de Urgencias. De forma general, el tratamiento comienza con antibióticos y líquidos intravenosos. Si los pacientes no responden, pueden sufrir un shock séptico, donde su presión arterial desciende y los órganos fallan. Aquí es donde los pacientes son derivados a la UCI, donde los facultativos pueden administrar medicamentos vasopresores como la norepinefrina y la dopamina, con el objetivo de aumentar la presión arterial.

"Podemos predecir en un par de horas si un paciente necesita vasopresores"

El problema surge cuando la administración de líquidos se produce durante demasiado tiempo, cuando se podría causar daño a los órganos, por lo que la intervención temprana de vasopresores puede ser beneficiosa. Sin embargo, administrar éstos fármacos demasiado pronto, o cuando no es necesario, conlleva consecuencias negativas como arritmias cardíacas y daño celular.

En este complejo contexto, un artículo presentado por el MIT y el MGH en el Simposio Anual de la American Medical Informatics Association (AMIA) describe un modelo, basado en el machine learning, que "aprende" los datos de salud de los pacientes con sepsis que acuden a Urgencias y predice si éstos necesitarán vasopresores en las próximas horas. De hecho, en las pruebas iniciales, el modelo podía predecir la necesidad de un vasopresor en más del 80% de las ocasiones.

interior saludigital

Las predicciones tempranas podrían, entre otras cuestiones, evitar una estancia innecesaria en la Unidad de Cuidados Intensivos para aquellos pacientes que no necesitan vasopresores, o comenzar la preparación temprana para la UCI en los pacientes que sí lo necesitan.

"Es importante tener una buena capacidad para elegir quienes necesitan vasopresores y quienes no en Urgencias", señala el primer autor de la investigación, Varesh Prasad, estudiante de doctorado en el Programa Harvard-MIT en Ciencias de la Salud y Tecnología

"Si supiéramos de antemano que esos litros no iban a ayudar de todos modos, podrían haber comenzado con vasopresores antes"

El propio Prasad agrega que "podemos predecir en un par de horas si un paciente necesita vasopresores. Si los pacientes recibieron tres litros de líquido intravenoso, podría ser excesivo. Si supiéramos de antemano que esos litros no iban a ayudar de todos modos, podrían haber comenzado con vasopresores antes", concluye.

Los contenidos de ConSalud están elaborados por periodistas especializados en salud y avalados por un comité de expertos de primer nivel. No obstante, recomendamos al lector que cualquier duda relacionada con la salud sea consultada con un profesional del ámbito sanitario.
Lo más leído