nuevos modelos de aprendizaje

Investigadores del Instituto Regenstrief y la Universidad de Indiana identifican la depresión gracias a la creación de nuevos modelos de aprendizaje. En este sentido, gracias a este hallazgo, los médicos podrán reconocer con mayor facilidad a las personas que necesitan atención avanzada ante un caso grave de depresión. De hecho, los algoritmos de los nuevos modelos de aprendizaje permiten proporcionar información. En concreto, información sobre la cual el clínico puede actuar y adaptarse a los flujos de trabajo existentes.

Los especialistas señalan a la depresión como la enfermedad más frecuente en el mundo. Según la Organización Mundial de la Salud (OMS) afecta a unos 350 millones de personas. No obstante, algunas personas pueden controlar su depresión por sí mismas o con la guía de un proveedor de atención primaria, pero otros pueden padecer una depresión más severa. Por esta razón, necesitan de una atención más avanzada por parte de especialistas en salud mental.

Algoritmos

Ante esta situación, los investigadores del Instituto Regenstrief y la Universidad de Indiana crearon algoritmos que identifican la depresión con la finalidad de que médicos y proveedores de atención primaria, en los casos graves, puedan derivarlos a especialistas. Suranga N. Kasthurirathne, autor del trabajo, resalta que su objetivo era construir modelos reproducibles que se ajustaran a los flujos de trabajo clínicos. “Este algoritmo es único porque proporciona información procesable a los médicos. También les ayuda a identificar qué pacientes pueden tener mayor riesgo de sufrir eventos adversos por depresión”, destaca.

“Este algoritmo es único porque proporciona información procesable a los médicos. También les ayuda a identificar qué pacientes pueden tener mayor riesgo de sufrir eventos adversos por depresión”.

Por otro lado, Kasthurirathne señala que, al crear modelos para diferentes poblaciones, se ofrece a los líderes del sistema de salud la opción de seleccionar el mejor enfoque de detección para sus necesidades. “Quizás no tienen los recursos computacionales o humanos para ejecutar modelos en cada paciente. Esto les da la opción de seleccionar pacientes seleccionados de alto riesgo”. Asimismo, asegura que los médicos de Atención Primaria cuentan con tiempo limitado, por eso, la identificación de pacientes con formas más severas de depresión puede ser un desafío y llevar mucho tiempo.

Finalmente, Shaun Grannis, coautor del estudio, recalca que su modelo ayuda a los profesionales, al tiempo que permite mejorar la calidad de la atención. “Nuestro enfoque también es adecuado para aprovechar la creciente adopción de tecnología de información de salud y la interoperabilidad para permitir la atención preventiva y mejorar el acceso a servicios de salud.