“El sistema ICU Intervene podría ser de ayuda para los médicos intensivistas que están sometidos a un nivel alto de estrés y a una demanda alta. El objetivo es aprovechar los datos de los registros médicos para mejorar la salud de los pacientes y predecir posibles intervenciones”, señala Harini Suresh, investigador involucrado en el modelo informático.

EHR Model Transfer, otro sistema de deep learning

Otro equipo del MIT ha desarrollado un método llamado EHR Model Transfer que puede facilitar la aplicación de modelos predictivos en un sistema de registro electrónico de salud (EHR, por sus siglas en iglés). Este enfoque demostró que los modelos predictivos de mortalidad y de duración de la estancia podían ser enseñados y utilizados para hacer predicciones informáticas en un sistema de HME, tal y como aseguran los especialistas.

Ambos modelos fueron entrenados gracias al uso de la base de datos Mimic, que incluye datos de aproximadamente 40.000 pacientes críticos y que fue desarrollado por el Lab for Computational Physiology del MIT. En trabajos anteriores, la toma de decisiones clínicas solo se centraba en las probabilidades de defunción mientras que este modelo predice muchos resultados, entre ellos, los tratamientos aplicables.

El modelo puede predecir si un paciente necesitará un ventilador en 6 horas en lugar de conocer estos datos solo con media hora de antelación. El equipo también comprobó que dicho modelo predecía con mayor precisión el momento exacto en el que los pacientes críticos necesitarían usar vasopresores. Los científicos planean utilizar ICU Intervene para evaluar las bases de datos de otros hospitales y utilizar el mayor número de variables posibles.