Inteligencia artificial para predecir el riesgo que enfrentan los bebés prematuros

El estudio piloto ha utilizado una red neuronal híbrida para predecir con precisión cuánto riesgo enfrentan los bebés prematuros.

Bebé prematuro
Bebé prematuro
10 julio 2021 | 00:00 h

Cuando un bebé ha nacido prematuramente, se enfrenta a posibles problemas de salud bien conocidos, como la insuficiencia respiratoria, si los pulmones no son lo suficientemente maduros o la ictericia, cuando por un exceso de bilirrubina tienen la piel amarillenta.

En este sentido, científicos de la Universidad James Cook en Australia consideran que han hecho un gran avance en la ciencia para mantener vivos a los bebés prematuros.

Por ello, ahora, la profesora Stephanie Baker ha dirigido un estudio piloto que utilizó una red neuronal híbrida para predecir con precisión cuánto riesgo enfrentan los bebés prematuros.

En esta línea, la profesora explica que las complicaciones resultantes del nacimiento prematuro "son la principal causa de muerte en niños menores de cinco años y que más del 50% de las muertes neonatales ocurren en neonatos prematuros".

Las complicaciones resultantes del nacimiento prematuro son la principal causa de muerte en niños menores de cinco años

"Las tasas de nacimientos prematuros están aumentando en casi todas partes. En las unidades de cuidados intensivos neonatales, la evaluación del riesgo de mortalidad ayuda a tomar decisiones difíciles con respecto a qué tratamientos deben usarse y si y cuándo los tratamientos están funcionando de manera efectiva", detalla Baker, al tiempo que subraya que para guiar mejor su atención, "a los bebés prematuros a menudo se les da una puntuación que indica el riesgo que enfrentan".

"Pero hay varias limitaciones de este sistema. La generación de la puntuación requiere mediciones manuales complejas, resultados de laboratorio extensos y la lista de características maternas y condiciones existentes", reitera, por lo que considera que "la alternativa era medir las variables que no cambian como el peso al nacer que impide el recálculo del riesgo del bebé de forma continua y no muestra su respuesta al tratamiento".

"Un esquema ideal sería aquel que utiliza datos demográficos fundamentales y signos vitales medidos rutinariamente para proporcionar una evaluación continua. Esto permitiría evaluar el riesgo cambiante sin imponer una carga adicional irrazonable al personal sanitario", apunta.

RED NEURONAL HÍBRIDA

Ahora, el Neonatal Artificial Intelligence Mortality Score (NAIMS), una red neuronal híbrida que se basa en demografías simples y tendencias en la frecuencia cardíaca y respiratoria para determinar el riesgo de mortalidad.

"Utilizando los datos generados durante un período de 12 horas, la red mostró un fuerte desempeño en la predicción del riesgo de mortalidad de un bebé dentro de los 3, 7 o 14 días", señala. Además, se trata de una técnica rápida sin necesidad de procedimientos invasivos o conocimiento de las historias clínicas.

"Debido a la simplicidad y el alto rendimiento de nuestro esquema propuesto, NAIMS podría recalcularse de manera continua y automática, lo que permitiría analizar la capacidad de respuesta de un bebé al tratamiento y otras tendencias de salud", apunta la profesora, destacando que la red ha demostrado ser precisa cuando se probó contra los registros de mortalidad hospitalaria de bebés prematuros y tenía la ventaja adicional sobre los esquemas existentes de ser capaz de realizar una evaluación de riesgo basada en cualquier dato de 12 horas durante la estancia del paciente.

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.