La inteligencia artificial se acerca a la clínica

El comienzo de la pandemia de COVID-19 presentó un gran desafío para los trabajadores de la salud. Los médicos lucharon para predecir cómo les iría a los diferentes pacientes bajo tratamiento contra el nuevo virus SARS-CoV-2. Decidir cómo clasificar los recursos médicos cuando se les presentaba muy poca información tuvo un costo mental y físico para los cuidadores a medida que avanzaba la pandemia.

Para aliviar esta carga, los investigadores del Laboratorio Nacional del Noroeste del Pacífico (PNNL), la Universidad de Stanford, Virginia Tech y John Snow Labs desarrollaron TransMED, una herramienta de predicción de inteligencia artificial (IA) primera en su tipo destinada a abordar los problemas causados ​​​​por emergentes. o enfermedades raras.

«A medida que COVID-19 se desarrolló durante 2020, nos unió a varios de nosotros para pensar cómo y dónde podríamos contribuir de manera significativa», dijo la científica en jefe Sutanay Choudhury. «Decidimos que podríamos lograr el mayor impacto si trabajábamos en el problema de predecir los resultados de los pacientes».

«COVID presentó un desafío único», dijo Khushbu Agarwal, autor principal del estudio publicado en Informes científicos de la naturaleza. «Teníamos datos de pacientes muy limitados para entrenar un modelo de IA que pudiera aprender los patrones complejos que subyacen en las trayectorias de los pacientes con COVID».

El equipo multiinstitucional desarrolló TransMED para abordar este desafío, analizando datos de enfermedades existentes para predecir los resultados de una enfermedad emergente.

Contestar una llamada para ayudar

Cuando comenzó la pandemia de COVID-19, los investigadores del PNNL enfrentaron el nuevo desafío de frente. Choudhury se encontró a sí mismo trabajar en equipo usando IA para generar estructuras para moléculas que podrían ser candidatas potenciales para el desarrollo de fármacos contra el SARS-CoV-2.

También sintió una intensa empatía hacia los trabajadores de la salud en la primera línea de la batalla contra el COVID-19. «Estaba claro que necesitábamos construir herramientas más efectivas para proteger mejor tanto a los pacientes como a los cuidadores durante la próxima crisis», dijo Choudhury.

Choudhury y Agarwal solicitaron la ayuda de Colby Ham y Robert Rallo, director de la División de Informática Avanzada, Matemáticas y Datos de PNNL, así como de científicos informáticos de la Universidad de Stanford, Virginia Tech y John Snow Labs para construir una herramienta de este tipo.

Suzanne Tamang fue una de esas científicas. Anteriormente trabajó con Choudhury, Agarwal y Rallo en un proyecto de análisis de salud. Estaba ansiosa por participar en este esfuerzo de investigación para aplicar su conocimiento para brindar apoyo en la toma de decisiones a los trabajadores de la salud.

«Todos vimos la necesidad de contribuir», dijo Tamang, director asistente de la facultad, Ciencia de datos, en el Centro de ciencia de la salud de la población de Stanford e instructor en el Departamento de ciencia de datos biomédicos, Facultad de medicina de la Universidad de Stanford. «Podríamos aprovechar nuestras habilidades para construir una herramienta con valor y utilidad inmediatos para los trabajadores de la salud».

Tamang no es ajeno a tal altruismo. Como parte de la Universidad de Stanford Estadísticas para el bien social club, regularmente dona su tiempo y sus habilidades para resolver problemas en una variedad de temas sociales. «A veces, la mejor ciencia se produce cuando los investigadores están motivados por el deseo de ayudar», dijo Tamang.

Un nuevo enfoque para combatir enfermedades desconocidas

Los primeros resultados indican que TransMED supera los modelos actuales de predicción de resultados del paciente, en particular para los resultados más raros. Agarwal atribuye esto en parte a la capacidad de TransMED para analizar una amplia variedad de información médica, incluidas otras enfermedades respiratorias.

«TransMED considera casi todos los tipos de datos de registros médicos electrónicos, como condiciones médicas, medicamentos, procedimientos, mediciones de laboratorio e información de notas clínicas», dijo Agarwal. «Tomar esta visión holística del paciente permite a TransMED hacer predicciones de la misma manera que lo haría un médico».

El otro factor que contribuye al éxito de TransMED es el aprendizaje por transferencia. Esencialmente, el aprendizaje de transferencia funciona al hacer que un modelo de aprendizaje automático funcione para resolver un problema donde existe una gran cantidad de datos. Luego, el modelo transfiere este conocimiento para resolver problemas similares. En el caso de TransMED, los investigadores entrenaron el modelo en los resultados conocidos de pacientes con enfermedades respiratorias graves y aplicaron ese conocimiento para predecir los resultados de COVID-19.

«Dado el historial médico reciente de un paciente, TransMED puede predecir la necesidad de ventiladores de un paciente u otros resultados raros de 5 a 7 días en el futuro», dijo Choudhury.

La aplicación de IA en entornos de atención médica del mundo real está en sus inicios, pero este trabajo es un primer paso prometedor hacia la construcción de un modelo útil para predecir los resultados de los pacientes. Aunque TransMED aún no se ha probado en un entorno clínico, ofrece una visión alentadora del futuro de la atención médica.

Otros autores de este artículo son Sindhu Tipirneni y Chandan K Reddy de Virginia Tech; Pritam Mukherjee, Matthew Baker, Siyi Tang y Olivier Gevaert de la Universidad de Stanford; y Veysel Kocaman de John Snow Labs. Este trabajo fue apoyado por un programa de Investigación y Desarrollo Dirigido por Laboratorio PNNL.