Usando inteligencia artificial para predecir la mortalidad
Nueva investigación que aparece en la revista MÁS UNO sugiere que el aprendizaje automático puede ser una herramienta valiosa para predecir el riesgo de muerte prematura. Los científicos compararon la precisión de la predicción de la inteligencia artificial con la de los métodos estadísticos que los expertos utilizan actualmente en la investigación médica.
Una cantidad cada vez mayor de investigaciones recientes sugiere que los algoritmos informáticos y el aprendizaje de la inteligencia artificial (IA) pueden resultar muy útiles en el mundo médico.
Por ejemplo, un estudio que apareció hace unos meses encontró que los algoritmos de aprendizaje profundo pueden predecir con precisión la aparición de la enfermedad de Alzheimer con 6 años de anticipación.
Mediante el uso de un "conjunto de datos de entrenamiento", los algoritmos de aprendizaje profundo pueden "enseñarse a sí mismos" a predecir si es probable que ocurra un evento y cuándo.
Ahora, los investigadores se han propuesto examinar si el aprendizaje automático puede predecir con precisión la mortalidad prematura debido a una enfermedad crónica.
Stephen Weng, profesor asistente de epidemiología y ciencia de datos en la Universidad de Nottingham en el Reino Unido, dirigió la nueva investigación.
Cómo la IA podría ayudar a la atención preventiva
Weng y sus colegas examinaron los datos de salud de más de medio millón de personas entre las edades de 40 y 69 años. Los participantes se habían registrado en el estudio UK Biobank entre 2006 y 2010. Los investigadores del estudio UK Biobank siguieron clínicamente a los participantes hasta 2016.
Para el estudio actual, Weng y su equipo desarrollaron un sistema de algoritmos de aprendizaje utilizando dos modelos llamados "bosque aleatorio" y "aprendizaje profundo". Utilizaron los modelos para predecir el riesgo de muerte prematura debido a una enfermedad crónica.
Los científicos examinaron la precisión predictiva de estos modelos y los compararon con modelos de predicción convencionales, como el análisis de "regresión de Cox" y un modelo de Cox multivariado.
"Asignamos las predicciones resultantes a los datos de mortalidad de la cohorte utilizando los registros de defunción de la Oficina de Estadísticas Nacionales, el registro de cáncer del Reino Unido y las estadísticas de 'episodios hospitalarios'", explica el investigador principal del estudio.
El estudio encontró que el modelo de regresión de Cox era el menos preciso para predecir la muerte prematura, mientras que el modelo de Cox multivariado era ligeramente mejor, pero era probable que prediga en exceso el riesgo de muerte.
En general, "los algoritmos de aprendizaje automático fueron significativamente más precisos para predecir la muerte que los modelos de predicción estándar desarrollados por un experto humano", informa Weng. El investigador también comenta sobre la importancia clínica de los hallazgos.
Él dice: "La atención médica preventiva es una prioridad cada vez mayor en la lucha contra enfermedades graves, por lo que hemos estado trabajando durante varios años para mejorar la precisión de la evaluación computarizada de riesgos para la salud en la población en general".
"La mayoría de las aplicaciones se enfocan en un área de enfermedad única, pero predecir la muerte debido a varios resultados de enfermedades diferentes es muy complejo, especialmente dados los factores ambientales e individuales que pueden afectarlos".
"Hemos dado un gran paso adelante en este campo al desarrollar un enfoque único y holístico para predecir el riesgo de muerte prematura de una persona mediante el aprendizaje automático".
Stephen Weng
“Utiliza computadoras para construir nuevos modelos de predicción de riesgos que tienen en cuenta una amplia gama de factores demográficos, biométricos, clínicos y de estilo de vida para cada individuo evaluado, incluso su consumo dietético de frutas, verduras y carne por día”, explica Weng.
Además, dicen los investigadores, los resultados del nuevo estudio refuerzan los hallazgos anteriores, que mostraron que ciertos algoritmos de IA son mejores para predecir el riesgo de enfermedad cardíaca que los modelos de predicción convencionales que utilizan actualmente los cardiólogos.
“Actualmente existe un gran interés en el potencial de usar 'IA' o 'aprendizaje automático' para predecir mejor los resultados de salud. En algunas situaciones, podemos encontrar que ayuda, en otras puede que no. En este caso particular, hemos demostrado que con un ajuste cuidadoso, estos algoritmos pueden mejorar de manera útil la predicción ”, dice el profesor Joe Kai, un académico clínico que también trabajó en el estudio.
Continúa: “Estas técnicas pueden ser nuevas para muchos en la investigación de la salud y difíciles de seguir. Creemos que al informar claramente sobre estos métodos de manera transparente, esto podría ayudar con la verificación científica y el desarrollo futuro de este apasionante campo de la atención médica ".
