Los algoritmos de procesamiento del lenguaje natural (PLN) podrían detectar patrones en los historiales de muchos miles de pacientes, lo que ayudaría a encontrar tratamientos eficaces.
También podrían ayudar a predecir qué pacientes tienen más probabilidades de enfermar gravemente por la COVID-19, y a anticipar nuevos repuntes de la pandemia.
Los historiales médicos son una fuente rica de datos sanitarios. Combinada, la información que contienen puede ayudar a los investigadores a comprender mejor las enfermedades y tratarlas de forma más eficaz. Esto incluye la COVID-19. Pero para aprovechar este valioso recurso, los investigadores primero deben leerlo.
Quizá hayamos dejado atrás los días de las notas médicas manuscritas, pero la información registrada en los historiales electrónicos de salud actuales puede ser igual de difícil de consultar e interpretar. Es un viejo chiste que la letra de los médicos es ilegible, pero resulta que su escritura a máquina no es mucho mejor.
La enorme cantidad de información que contienen los historiales de salud es asombrosa. Cada día, el personal sanitario de un hospital típico del NHS genera tanto texto que a una persona le llevaría una eternidad simplemente desplazarse por él, y mucho más leerlo. Usar ordenadores para analizar todos estos datos es una solución evidente, pero está lejos de ser sencilla. Lo que tiene pleno sentido para una persona puede resultar muy difícil de entender para un ordenador.
Nuestro equipo utiliza una forma de inteligencia artificial para salvar esta brecha. Al enseñar a los ordenadores a comprender las notas de los médicos, esperamos que descubran cómo combatir la COVID-19 al encontrar patrones en los historiales de muchos miles de pacientes.
Por qué los historiales de salud son difíciles de manejar
Una parte importante de un historial de salud está compuesta por texto libre, escrito en forma narrativa, como un correo electrónico. Incluye los síntomas del paciente, los antecedentes de su enfermedad y notas sobre afecciones preexistentes y los medicamentos que toma. También puede haber información relevante sobre familiares y el estilo de vida. Y, como este texto lo han escrito médicos con mucha carga de trabajo, también habrá abreviaturas, imprecisiones y erratas.
Este tipo de información se conoce como datos no estructurados. Por ejemplo, el historial de un paciente podría decir:
Mrs Smith is a 65-year-old woman with atrial fibrillation and had a CVA in March. She had a past history of a #NOF and OA. Family history of breast cancer. She has been prescribed apixaban. No history of haemorrhage.
Este párrafo tan compacto contiene una gran cantidad de datos sobre Mrs Smith. Otro profesional que leyera las notas sabría qué información es importante y podría extraerla en segundos, pero a un ordenador la tarea le resultaría extremadamente difícil.
Enseñar a las máquinas a leer
Para resolver este problema, utilizamos una técnica llamada procesamiento del lenguaje natural (PLN). Basados en el aprendizaje automático y la tecnología de IA, los algoritmos de PLN traducen el lenguaje utilizado en el texto libre a un conjunto estandarizado y estructurado de términos médicos que un ordenador puede analizar.
Estos algoritmos son extremadamente complejos. Necesitan comprender el contexto, las largas cadenas de palabras y los conceptos médicos, distinguir los acontecimientos actuales de los históricos, identificar relaciones familiares y mucho más. Les enseñamos a hacerlo alimentándolos con información escrita existente para que aprendan la estructura y el significado del lenguaje –en este caso, texto en inglés de acceso público procedente de internet– y después utilizamos historiales médicos reales para seguir mejorándolos y probándolos.
Utilizar algoritmos de PLN para analizar y extraer datos de los historiales de salud tiene un enorme potencial para transformar la asistencia sanitaria. Gran parte de lo que se recoge en el texto narrativo de las notas de un paciente normalmente no vuelve a verse nunca. Podría tratarse de información importante, como las primeras señales de alerta de enfermedades graves como el cáncer o el ictus. Poder analizar automáticamente y señalar cuestiones importantes podría ayudar a ofrecer una mejor atención y a evitar retrasos en el diagnóstico y el tratamiento.
Buscar formas de combatir la COVID-19
Al reunir historiales de salud con estas herramientas, ahora utilizamos estas técnicas para detectar patrones relevantes para la pandemia. Por ejemplo, recientemente usamos nuestras herramientas para averiguar si los medicamentos que se recetan habitualmente para tratar la hipertensión, la diabetes y otras afecciones –conocidos como inhibidores de la enzima convertidora de angiotensina (IECA) y antagonistas de los receptores de angiotensina II (ARA-II) – aumentan la probabilidad de enfermar gravemente por COVID-19.
El virus que causa la COVID-19 infecta las células al unirse a una molécula de la superficie celular llamada ECA2. Se cree que tanto los IECA como los ARA-II aumentan la cantidad de ECA2 en la superficie de las células, lo que ha suscitado preocupación de que estos medicamentos puedan estar exponiendo a las personas a un mayor riesgo de contagio por el virus.
Sin embargo, la información necesaria para responder a esta pregunta –cuántos pacientes con COVID-19 grave están recibiendo estos medicamentos– puede registrarse tanto como recetas estructuradas como en texto libre en sus historiales médicos. Ese texto libre debe estar en un formato que se pueda buscar mediante ordenador para que una máquina pueda responder a la pregunta.
Con nuestras herramientas de PLN, pudimos analizar los historiales anonimizados de 1.200 pacientes con COVID-19, comparando los resultados clínicos según si los pacientes tomaban o no estos medicamentos. Tranquilizadoramente, comprobamos que las personas a las que se recetaban IECA o ARA-II no tenían más probabilidades de enfermar gravemente que quienes no tomaban estos medicamentos.
Ahora estamos ampliando el uso de estas herramientas para averiguar más sobre quiénes corren mayor riesgo por la COVID-19. Por ejemplo, las hemos utilizado para investigar los vínculos entre la etnia, las afecciones de salud preexistentes y la COVID-19. Esto ha revelado varios hallazgos llamativos: que ser de raza negra o de etnia mixta aumenta la probabilidad de ser hospitalizado por la enfermedad, y que los pacientes asiáticos, una vez hospitalizados, corren mayor riesgo de ser ingresados en cuidados intensivos o de morir por COVID-19.
También hemos utilizado estas herramientas para evaluar las puntuaciones de alerta temprana que predicen qué pacientes hospitalizados tienen más probabilidades de enfermar gravemente, y para sugerir qué medidas adicionales podrían usarse para mejorar estas puntuaciones. También estamos utilizando la tecnología para predecir los próximos repuntes de casos de COVID-19, basándonos en los síntomas de los pacientes que los médicos han registrado.
