Machine learning para la previsión clínica y otros de sus usos en la medicina

Aunque el uso de machine learning en la medicina se ha extendido, aún se le dificulta encontrar patrones en los registros de salud, ya que este tipo de información no es estática ni se recopila regularmente. Sin embargo, un investigador de la Universidad Carnegie Mellon desarrolló una herramienta de machine learning transparente y reproducible para facilitar el análisis de información de salud. Esta herramienta, llamada TL-Lite, puede utilizarse en la previsión clínica, con el objetivo de predecir tendencias y resultados en pacientes individuales.

Según el estudio publicado en Proceedings of Machine Learning Research, TL-Lite comienza con visualizaciones de información de bases de datos y termina con evaluaciones de riesgo visual de un modelo temporal. El objetivo de TL-Lite es facilitar el pronóstico predictivo y, según su autor Jeremy Weiss, puede usarse para predecir la trombocitopenia grave durante las estadías en la unidad de cuidados intensivos (UCI). También para predecir la supervivencia de los pacientes ingresados en la UCI un día después del ingreso y para predecir las complicaciones microvasculares en pacientes con diabetes tipo 2.

El uso de machine learning en la medicina ha visto un auge recientemente y en el contexto de la pandemia de Covid-19, se ha propuesto su uso para abordar distintas problemáticas. Un estudio publicado en la revista Journal of Medical Internet Research propuso el uso de esta tecnología para examinar los registros médicos electrónicos para predecir mejor cómo progresarán los pacientes con Covid-19.

Los modelos de machine learning, en el contexto del cuidado de la salud, suele requerir datos diversos y a gran escala, afirma el estudio publicado en enero de 2021. Esto para ser capaces de replicar su efectividad fuera de la población con la que fueron entrenados. Cuando estos modelos se construyen dentro de un hospital no siempre son efectivos para otras poblaciones de pacientes, en parte porque son entrenados con datos los cuales no son representativos de toda la población. Para hacer frente a esta limitante, los investigadores probaron una forma de machine learning llamada aprendizaje federado. Esta ha ganado terreno para permitir a los modelos aprender de muchas fuentes, por ejemplo, muchos hospitales, sin exponer datos sensibles del paciente.

En el ámbito de la pandemia, pero en el área de los medicamentos y las terapias, el machine learning también podría ser de gran ayuda. Un estudio publicado en la revista Nature Communications en febrero propone el uso de machine learning para identificar cuáles medicamentos existentes podrían utilizarse para el combate de la Covid-19 en adultos mayores. Esto al identificar con algoritmos la intersección de los genes del envejecimiento y el endurecimiento pulmonar y los del SARS-CoV-2. El siguiente paso sería identificar medicamentos existentes que actúen sobre estos genes y realizar ensayos clínicos para comprobar la eficacia de los candidatos más prometedores.

Las nuevas tecnologías prometen grandes avances en la medicina, a través de un análisis automatizado y acelerado de los datos y la creación de modelos, principalmente mediante el machine learning. Aunque aún quedan retos por superar, el machine learning ya comienza a utilizarse como una herramienta auxiliar para la previsión clínica y para predecir el progreso de enfermedades en los pacientes. En un futuro cercano, conforme se refine su funcionamiento, estas herramientas se volverán de uso extendido en los sistemas de salud del mundo.