Modelo de IA predice con precisión la supervivencia en la terapia de reemplazo renal continua

Aunque la CRRT se ha utilizado durante muchas décadas, todavía no existe un conjunto de pautas clínicas universalmente aceptadas para que los médicos determinen cuándo iniciar la CRRT para garantizar un resultado positivo. La decisión de comenzar la CRRT generalmente se basa en la evaluación del médico sobre la historia clínica del paciente, signos vitales, resultados de laboratorio y medicamentos. Dada la gravedad de la enfermedad de estos pacientes, siempre existe cierto grado de incertidumbre sobre su supervivencia durante o después del tratamiento. Se estima que alrededor del 50 % de los adultos que se someten a CRRT no sobreviven, lo que hace que el tratamiento sea potencialmente inútil para estos pacientes y sus familias. Ahora, se ha desarrollado un nuevo modelo de aprendizaje automático que puede predecir con precisión la supervivencia a corto plazo de los pacientes sometidos a CRRT.

El modelo de aprendizaje automático desarrollado por investigadores de la Universidad de California en Los Ángeles (UCLA, Los Ángeles, CA, EUA) ayuda a los médicos a decidir si un paciente debe iniciar CRRT mediante el uso de datos de miles de registros médicos electrónicos de pacientes para predecir la probabilidad de supervivencia después de CRRT. A diferencia de modelos anteriores que solo predicen la mortalidad hospitalaria después de iniciar la CRRT, esta herramienta innovadora proporciona a los clínicos información sobre si iniciar o no la CRRT desde el principio.

El modelo ofrece una herramienta basada en datos para ayudar en la toma de decisiones clínicas. Utiliza técnicas avanzadas de aprendizaje automático para examinar una gran y compleja gama de datos de pacientes, una tarea que tradicionalmente ha sido un desafío para los médicos. El estudio ilustra el potencial de integrar modelos de aprendizaje automático en la atención sanitaria, mejorar la eficacia del tratamiento y optimizar el uso de los recursos médicos.

"La CRRT se utiliza a menudo como último recurso, pero muchos pacientes no sobreviven, lo que genera un desperdicio de recursos y falsas esperanzas para las familias", dijo el Dr. Ira Kurtz, jefe de la División de Nefrología de UCLA y autor principal del estudio. “Al permitir predecir qué pacientes se beneficiarán, el modelo pretende mejorar los resultados de los pacientes y el uso de recursos, sirviendo como base para probar su utilidad en futuros ensayos clínicos. Como todos los modelos de aprendizaje automático, es necesario probarlo en el mundo real para determinar si es igualmente preciso en sus predicciones en pacientes en los que no fue entrenado”.

Enlaces relacionados:
UCLA