Proporcionar a los médicos un compañero de IA para ayudar a identificar la cirrosis

Hay poder y valor en un detective altamente calificado. Sherlock Holmes y su compañero de confianza, Watson, son famosos por filtrar enormes cantidades de datos, identificar patrones y hacer predicciones para descubrir un misterio con facilidad. En el mundo médico, los médicos son detectives, hacen diagnósticos y sacan conclusiones en función de su juicio clínico y los datos disponibles de los pacientes. Pero al igual que los detectives, los médicos pueden beneficiarse de tener un compañero.

En un estudio reciente en la Universidad Médica de Carolina del Sur (MUSC), Don Rockey, MD, director del Centro de Investigación de Enfermedades Digestivas, y Jihad Obeid, MD, profesor de Informática Biomédica, se unieron para aprovechar una inteligencia artificial ( AI) para automatizar la identificación de la cirrosis hepática utilizando grandes cantidades de datos de registros de salud electrónicos (EHR).

Informan en el Revista de Gastroenterología Clínica que su modelo de red neuronal convolucional (CNN) entrenada, un tipo de IA conocido como aprendizaje profundo, identificó con éxito a los pacientes con cirrosis con una precisión del 97 % según el texto clínico en los resúmenes de alta del paciente únicamente.

El caso

La cirrosis, o cicatrización irreversible del hígado, es el último evento común en pacientes con enfermedad hepática crónica y fue clasificada como la novena causa principal de muerte en 2021 por los Centros para el Control y la Prevención de Enfermedades. Esta complicación puede deberse a muchas formas diferentes de daño y enfermedad hepáticos. Históricamente, ha sido un desafío predecir qué pacientes progresarán a cirrosis.

«No sabemos quién está en riesgo de desarrollar complicaciones graves de la enfermedad hepática, y la identificación de los pacientes con cirrosis es fundamental a medida que intentamos reducir la morbilidad y la mortalidad por enfermedad hepática», dijo Rockey.

Aunque no existe una cura para la cirrosis, su diagnóstico temprano ayudaría a asegurar el mejor manejo de la enfermedad.

«Si pudiéramos identificar a un paciente del que se pronostica que tendrá cirrosis uno o dos años antes, eso daría a los médicos tiempo para tratar y evitar que se acumule tejido cicatricial en el hígado, pero también para prevenir las complicaciones de la cirrosis», explicó Rockey.

el compinche

Como cualquier buen compañero, los sistemas de IA pueden recopilar y analizar cantidades masivas de información. Para una aplicación médica, a menudo extrae esa información del EHR, que alberga el historial de salud del paciente. Durante mucho tiempo, las computadoras han podido «leer» los datos que se ingresan en los campos de datos o formularios en el EHR.

Sin embargo, las computadoras han tenido más dificultades para acceder a la información contenida en el texto narrativo, como la que se encuentra en las notas del médico o los resúmenes de alta. Los intentos anteriores de leer este texto narrativo se han basado esencialmente en búsquedas de palabras clave, donde las palabras clave debían ser proporcionadas por un médico familiarizado con la enfermedad, utilizando varias rondas de prueba y error.

En este estudio, los investigadores probaron lo que podría ser un compañero más capaz: una forma de IA basada en el aprendizaje profundo que no necesita tales indicaciones.

«Lo bueno de usar modelos de aprendizaje profundo es que el modelo aprende de los ejemplos que le das, sin entrenarlo para buscar ciertas palabras», dijo Obeid.

Los investigadores entrenaron su modelo de IA, una red neuronal convolucional que imita las neuronas en el cerebro, utilizando registros médicos de pacientes a los que se les diagnosticó cirrosis. La red neuronal analizó la información incrustada en el texto narrativo.

«Las redes neuronales brindan más poder que un modelo de IA estadístico típico porque cada una de estas neuronas artificiales se comporta como un modelo en sí mismo, lo que le permite encontrar una forma más sofisticada de distinguir y predecir cosas», afirmó Obeid.

Como un artista forense que agrega capa tras capa de características para dibujar un retrato de un sospechoso, el modelo de red neuronal de Obeid y Rockey utiliza muchas capas de neuronas artificiales para extraer características y patrones que ayudan a identificar la cirrosis.

El potencial

Una vez entrenado en los registros de pacientes con cirrosis conocida establecidos mediante la revisión manual de expedientes, el modelo de Obeid y Rockey tuvo un éxito excepcional en la identificación de pacientes con cirrosis en un nuevo conjunto de registros de salud basados ​​únicamente en el texto narrativo de las notas del médico.

«Creo que es emocionante que haya tenido éxito en la identificación de la cirrosis usando solo el texto en los resúmenes de alta, al igual que la idea de llevarlo al siguiente nivel para ver si podemos aplicarlo para una identificación más temprana», comentó Obeid.

La inteligencia artificial y el aprendizaje automático tienen el potencial de revolucionar el campo médico, dijo Obeid, pero es importante enfatizar que este tipo de modelos no están destinados a reemplazar sino a informar el juicio clínico. Los médicos resolverán el caso, pero la IA puede ser un compañero poderoso para ayudarlos a hacerlo.

«La computadora está ahí para ayudar a los médicos, no para reemplazarlos o tomar decisiones», dijo. «Al final, los médicos son los responsables, no la computadora».

Dicho esto, Rockey está entusiasmado con la forma en que estos compañeros de IA podrían hacer avanzar la medicina y, específicamente, el manejo de la enfermedad hepática.

«Creo que la IA se utilizará para predecir la gravedad de la enfermedad, en combinación con la genética y los datos de imágenes», dijo Rockey. «No sé cuánto tiempo llevará resolverlo, pero no puedo imaginar que no vaya a suceder».