Más que 296 millones de personas en todo el mundo viven con hepatitis B, una infección hepática potencialmente mortal causada por el virus de la hepatitis B (VHB). La mayoría no sabe que está infectada, por lo que no recibe atención médica. La atención clínica mejora el resultado del paciente y puede evitar que infecte a otros.
Por lo tanto, la detección temprana de pacientes infectados por el VHB podría mejorar el pronóstico de los pacientes y detener la transmisión dentro de las poblaciones.
La prueba recomendada para el VHB es una inmunoensayo enzimático. Detecta la superficie de la hepatitis B antígeno—una sustancia que es un signo de la presencia del virus en el cuerpo de la persona.
Pero estas pruebas químicas son muy caro y necesitan instalaciones dedicadas. Por lo general, están fuera del alcance de las personas en entornos de bajos recursos, donde los laboratorios son pocos y están aislados. Los médicos en estos entornos trabajan con recursos limitados contra un asesino silencioso que pueden no mostrar síntomas evidentes durante décadas hasta que el hígado esté gravemente dañado.
Parte de la solución para desafíos de salud pública como este puede residir en el aprendizaje automático. Esto se refiere a la capacidad de las computadoras para dar sentido a grandes cantidades de información y construir sobre su propio «conocimiento».
Formamos parte de un grupo de investigadores de la Universidad Nacional de Australia que estudian el aprendizaje automático y las enfermedades infecciosas. Nuestro investigaciones anteriores encontró que la prevalencia del VHB en Nigeria era alta (9,5 %, donde cualquier valor superior al 8 % se considera alto). Y los niveles de infección variaron significativamente entre zonas geopolíticas.
El acceso a pruebas asequibles era un problema en el país. Así que nosotros desarrolló una herramienta para ayudar a los médicos a detectar antes las infecciones por hepatitis B.
Usando datos de pacientes de Nigeria, desarrollamos un algoritmo que aprende de los datos del paciente, identifica patrones y toma decisiones inteligentes para brindar alertas y detectar el estado de infección por VHB de un paciente. El objetivo es mejorar la toma de decisiones clínicas y mejorar los resultados de los pacientes. Permitir una atención más temprana debería brindar a millones de personas una mejor calidad de vida y ayudar a reducir la prevalencia del VHB.
¿Cómo hicimos el trabajo?
Para construir esta herramienta, trabajamos en estrecha colaboración con colegas de la Instituto Nigeriano de Investigación Médica. Proporcionaron acceso a datos de 916 pacientes anónimos, de manera éticamente aprobada. El instituto es el principal instituto de investigación médica de Nigeria y alberga una clínica dedicada a la hepatitis B.
Utilizamos los resultados de los análisis de sangre normales que miden los glóbulos rojos y blancos, las sales, las enzimas y otras sustancias químicas de la sangre, junto con los resultados de las pruebas de hepatitis B. Los análisis de sangre de rutina pueden ser muy útiles para facilitar el diagnóstico temprano si las interacciones sutiles entre las mediciones puede ser visto. Los patrones de interacciones pueden ser una señal de enfermedad. Pero es fácil pasarlos por alto.
Usando los datos, entrenamos un algoritmo para identificar marcadores de patología que predicen el estado de infección por VHB de un paciente. Una de las razones por las que el aprendizaje automático es tan poderoso es que no requiere que los humanos le digan a la computadora qué funciones identificar. Nuestro algoritmo filtra los datos para encontrar patrones que son comunes a los pacientes con infección por VHB y luego compara esos patrones en personas que no ha visto antes.
Una vez validado, el algoritmo se puede integrar en el flujo de trabajo clínico de rutina en un entorno clínico del mundo real, como un sistema inteligente de apoyo a la toma de decisiones. Esto ayudará a detectar antes las infecciones por VHB, sin recurrir a costosos inmunoensayos.
¿Qué encontramos?
Para las 916 personas en nuestro estudio, nuestro algoritmo podría realizar de forma fiable una llamada inteligente para predecir con precisión las personas infectadas por el VHB. Su umbral de discriminación fue del 90 %, lo que indica que el algoritmo era muy preciso.
Luego traducimos esto en una aplicación fácil de usar y accesible desde la web para usar en estudios posteriores. La herramienta de apoyo a la decisión, Prueba viva de hepatitis Bfue diseñado como un prototipo.
La herramienta encontró que una combinación de dos enzimas, la edad del paciente y el recuento de glóbulos blancos era el predictor más fuerte de infección por VHB. Las dos enzimas son aspartato aminotransferasa y alanina aminotransferasa. Cuando los niveles de estos en la sangre son altos, puede indicar un daño hepático potencial. La albúmina sérica, un marcador de la función hepática, también se identificó como un importante marcador predictivo de infección.
A estudio de pacientes chinos mostró tendencias similares a las sugeridas por nuestro algoritmo. La alanina aminotransferasa y la albúmina sérica fueron los predictores más destacados.
¿Que sigue?
Es importante reconocer las limitaciones del aprendizaje automático. Antes de que una herramienta como esta se ponga a trabajar en la práctica clínica habitual, debe validarse utilizando diversos datos.
Nuestra herramienta de aprendizaje automático se entrenó con datos de Nigeria, por lo que su rendimiento puede estar limitado a esa configuración. Estamos en el proceso de entrenar nuestro algoritmo con más datos de otras fuentes y validar su robustez en otras configuraciones. Esto informará qué tan ampliamente aplicable es nuestro algoritmo y qué tan bien podría funcionar en otras poblaciones, particularmente en entornos con una baja prevalencia de infecciones por hepatitis B.
Aunque nuestra herramienta de aprendizaje automático es solo una primera prueba, los resultados son muy alentadores. Una persona muere de hepatitis viral B cada 30 segundos. Esperamos poner nuestro sistema a funcionar pronto en la lucha urgente contra este enfermedad prevenible por vacunación.
Creemos que el aprendizaje automático tiene un papel en la mejora de los objetivos de la Organización Mundial de la Salud de eliminar la hepatitis viral como problema de salud pública para 2030.
Más información:
Busayo I. Ajuwon et al, El desarrollo de un algoritmo de aprendizaje automático para la detección temprana de la infección viral por hepatitis B en pacientes nigerianos, Informes científicos (2023). DOI: 10.1038/s41598-023-30440-2
Este artículo se vuelve a publicar de La conversación bajo una licencia Creative Commons. Leer el artículo original.
Citación: La hepatitis B es una infección hepática potencialmente mortal: nuestra herramienta de aprendizaje automático podría ayudar con la detección temprana (6 de junio de 2023) consultado el 6 de junio de 2023 de https://medicalxpress.com/news/2023-06-hepatitis-life-methinging -infeccion-del-higadonuestra-maquina.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.