Un sistema predictivo de historia clínica electrónica podría pronosticar los eventos de salud

El modelo de aprendizaje profundo para cada predicción puede leer todos los puntos de datos desde el primero hasta el más reciente y aprende para comprender qué datos ayudan a predecir el resultado.

Según Google, el sistema predictivo podría ayudar a los médicos a priorizar a los pacientes y mostrar qué información buscar en la historia de un paciente, ayudando así a los proveedores de atención médica a identificar áreas de preocupación o a intervenir para reducir la probabilidad de un evento adverso. Además, el sistema de aprendizaje profundo podría formar la base para un sistema de apoyo a la decisión clínica que podría ayudar a los médicos a identificar a los pacientes que más necesitan ayuda y mostrar los marcadores clínicos clave que subyacen en las predicciones.

En un ensayo realizado por Google en colaboración con la Universidad de California, San Francisco (UCSF; EUA), la Facultad de Medicina de la Universidad de Stanford (Stanford; CA, EUA), y la Universidad de Chicago (IL, EUA), el sistema predictivo de HCE procesó 46.800 millones de puntos de datos recolectados de 216.221 pacientes adultos, que predicen con éxito el 95% de los eventos de mortalidad hospitalaria, el 77% de los reingresos no planificados a los 30 días, el 86% de casos de estancia prolongada, superior a la de los modelos predictivos tradicionales.

“Los médicos ya están inundados de alertas y solicitudes sobre su atención; ¿podrían estos modelos ayudar a los médicos con tareas tediosas y administrativas para poder concentrarse mejor en el paciente que está frente a ellos o en aquellos que necesitan atención adicional?”, preguntaron Alvin Rajkomar MD, y Eyal Oren PhD, de Google AI, en el blog de la compañía. “¿Podemos ayudar a los pacientes a obtener atención de alta calidad sin importar dónde la busquen? Esperamos colaborar con los médicos y pacientes para encontrar las respuestas a estas preguntas y más”.

Enlace relacionado:
Google
Universidad de California, San Francisco
Facultad de Medicina de la Universidad de Stanford
Universidad de Chicago