Actualmente, todo genera datos. A veces, la cantidad es tan grande que ninguna persona puede analizarlos completamente y obtener conclusiones. Por esta razón, se emplean algoritmos de aprendizaje automático o Inteligencia Artificial, capaces de procesar enormes volúmenes de información, incluso en tiempo real.

Un grupo de investigación de la Universidad de Buenos Aires desarrolló modelos que utilizan los datos generados por los dispositivos de terapia intensiva y las historias clínicas electrónicas de los pacientes. Su propósito es asistir a los médicos en la toma de decisiones sobre diagnósticos y tratamientos.

“El algoritmo, una vez entrenado, puede generar alertas tempranas. Es capaz de indicar si el paciente mejorará, se mantendrá estable o empeorará. Esta información permite al médico actuar con anticipación y optimiza el trabajo en entornos donde se atienden múltiples pacientes con historiales clínicos extensos”, explicó Marcelo Risk, profesor del Departamento de Computación en la Facultad de Ciencias Exactas y Naturales de la UBA, además de investigador principal del CONICET y del Hospital Italiano de Buenos Aires.

El especialista comparó el sistema con los pronósticos meteorológicos: “Si sabemos que va a llover, llevamos un paraguas. Contar con información permite tomar precauciones. Sin embargo, en el ámbito de la salud, el impacto es aún mayor, ya que el análisis de datos puede prevenir muchas complicaciones médicas”.

El equipo de la UBA, en colaboración con médicos del Hospital Italiano de Buenos Aires, se encuentra en la fase de desarrollo de modelos, habiendo obtenido resultados preliminares alentadores, varios de los cuales han sido publicados o están en proceso de publicación en revistas científicas.

Datos para una medicina de precisión

“Los algoritmos en los que trabajamos forman parte de la medicina de precisión o personalizada, cuyo enfoque busca adaptar los tratamientos a las características individuales de cada paciente”, indicó Risk.

En la práctica médica actual, los tratamientos suelen ser estándar. Por ejemplo, un medicamento se prescribe con una determinada frecuencia sin considerar la diversidad de factores que influyen en la respuesta de cada persona, como su genética, dieta, edad, altura, peso, sexo o estilo de vida.

La medicina de precisión permite personalizar los tratamientos para mejorar su efectividad. Esto ha revolucionado el abordaje de enfermedades como el cáncer, donde los avances tecnológicos han permitido clasificar subtipos y aplicar terapias más específicas.

“Para lograrlo, es fundamental analizar datos del paciente, desde su genética hasta sus signos vitales”, explicó Risk. “Estos datos pueden organizarse en distintas capas de información, que los algoritmos de aprendizaje automático filtran y analizan para brindar al médico el conocimiento necesario para elegir el tratamiento más adecuado”.

A lo largo de la historia, el avance tecnológico ha mejorado la precisión de los diagnósticos médicos. Desde la observación clínica inicial hasta la introducción de análisis químicos, radiografías, tomografías y resonancias magnéticas, cada innovación ha aportado nuevas herramientas para optimizar el diagnóstico y tratamiento de los pacientes.

Entrenamiento de algoritmos

Viviana Cotik, investigadora de la UBA/CONICET y profesora del Departamento de Computación de la Facultad de Ciencias Exactas y Naturales, explicó el proceso de entrenamiento de los algoritmos: “Lo primero es comprender la problemática y definir las necesidades. Luego, se analiza qué datos están disponibles”.

El equipo trabaja con aprendizaje supervisado, lo que implica que los datos utilizados para entrenar los algoritmos deben estar etiquetados por expertos. “Manejamos distintos tipos de datos, como señales, imágenes, datos estructurados y textos”, añadió Cotik. Para el entrenamiento, utilizan bases de datos internacionales, como MIMIC, desarrollada en Estados Unidos.

Por ejemplo, para clasificar imágenes, el algoritmo recibe un conjunto de datos dividido por categorías. Mediante múltiples comparaciones entre los datos de entrada y los resultados esperados, el modelo aprende a identificar patrones y clasificar de manera autónoma.

La primera fase del trabajo ha consistido en comprender las necesidades de los médicos, en colaboración con el área de terapia intensiva del Hospital Italiano.

Un aspecto crucial en el entrenamiento de los algoritmos es evitar sesgos en los datos. “Las bases de datos norteamericanas reflejan características de pacientes de esa región, que pueden diferir de las de Argentina en términos de altura, peso, contextura, sexo, edad y hábitos alimenticios, entre otros factores. Por eso, es fundamental incluir datos locales”, subrayó Cotik.

Marcelo Risk agregó: “Un algoritmo siempre devuelve un resultado cuando se le introducen datos, pero es esencial que la información generada tenga sentido. Algo similar ocurre con las IA generativas como ChatGPT, que siempre responden, aunque no siempre de manera precisa. La calidad de los datos y su correcta validación son clave para minimizar el margen de error”.

El equipo se encuentra en la fase de desarrollo de modelos y entrenamiento de algoritmos. En una siguiente etapa, planean probarlos en un entorno de terapia intensiva y, posteriormente, optimizarlos mediante un reentrenamiento continuo basado en su desempeño en la práctica clínica.

“También trabajamos con algoritmos de agrupamiento o clustering, que permiten identificar grupos de pacientes con características similares. Esto facilita la aplicación de tratamientos personalizados para cada grupo”, añadió Risk.

El análisis y filtrado de datos permite descubrir patrones desconocidos o no asociados previamente, lo que en el ámbito de la minería de datos representa un aporte significativo para la sociedad. Más allá de la transferencia tecnológica que estos desarrollos pueden significar para los centros de salud, el conocimiento generado también se transmite a través de la educación, mediante cursos de grado y posgrado impartidos en la Facultad de Ciencias Exactas y Naturales de la UBA.

El equipo de investigación es multidisciplinario, conformado por especialistas en informática, ingenieros, médicos y biólogos, además de estudiantes de grado que participan a través de sus tesis. Este enfoque interdisciplinario plantea desafíos, ya que exige el uso de un lenguaje común que trascienda los tecnicismos de cada especialidad.

Fuente: Argentina Investiga