Un nuevo método que utiliza el aprendizaje profundo para analizar grandes cantidades de datos de historias clínicas personales podría identificar los primeros signos de insuficiencia cardíaca, afirman investigadores.
Un artículo, publicado en Journal of the American Medical Informatics Association (JAMIA), describe cómo el método aborda la dimensión temporal de los datos, algo que los modelos convencionales de aprendizaje automático habían pasado por alto en aplicaciones de atención médica.
La investigación utiliza un modelo de aprendizaje profundo para detectar antes los incidentes y las etapas que suelen conducir a la insuficiencia cardíaca en un plazo de 6 a 18 meses. Para ello, los investigadores emplean una red neuronal recurrente (RNN) para modelar las relaciones temporales entre eventos en los historiales médicos electrónicos.
Las relaciones temporales expresan el orden de los eventos o estados a lo largo del tiempo. Este tipo de relación se utiliza tradicionalmente en el procesamiento del lenguaje natural. Sin embargo, los investigadores vieron una nueva oportunidad para aprovechar el potencial de las RNN.
«Estudié el aprendizaje profundo y me preguntaba si se podrían introducir las RNN en la atención médica. Es un modelo muy popular para procesar secuencias y se utiliza tradicionalmente para la traducción», afirma Edward Choi, estudiante de doctorado en Georgia Tech que trabaja con Jimeng Sun, profesor asociado de la Escuela de Ciencia e Ingeniería Computacional.
Al utilizar una RNN, el algoritmo puede anticipar las primeras etapas de la insuficiencia cardíaca, lo que en última instancia permitirá ofrecer una mejor atención preventiva a los pacientes con riesgo de padecer enfermedades cardíacas.
«El aprendizaje automático se utiliza en todos los ámbitos de la atención médica: desde el diagnóstico y los tratamientos hasta las recomendaciones para el cuidado de los pacientes después de las cirugías. Este modelo en particular se centra en el aprendizaje profundo, que ha tenido mucho éxito en numerosas industrias. Sin embargo, en la atención médica estamos a la vanguardia de la innovación en aprendizaje profundo, y Edward es uno de los primeros en aplicarlo», afirma Sun.
Según los Centros para el Control y la Prevención de Enfermedades, la insuficiencia cardíaca afecta a 5,7 millones de adultos en Estados Unidos, y la mitad de quienes la padecen muere en los 5 años posteriores al diagnóstico, lo que cuesta al país unos 30.700 millones de dólares al año.
Los nuevos hallazgos podrían aliviar la situación de millones de estadounidenses cada año al permitir que los médicos ofrezcan a sus pacientes una intervención temprana.
«Este es un trabajo preliminar; mostró que existe potencial para superar a los modelos clásicos y ofrece buenas perspectivas sobre cómo el aprendizaje profundo puede tener un impacto positivo en el sector de la atención médica», afirma Choi.
