La tecnología ha probado ser una herramienta muy eficaz para controlar la pandemia y obtener la mayor información posible acerca del nuevo virus. En Madrid, los hospitales universitarios Fundación Jiménez Díaz, Rey Juan Carlos, Infanta Elena y el Hospital General de Villalba han desarrollado un algoritmo basado en el big data que predice la probabilidad de empeoramiento de los pacientes con Covid-19.
Esta herramienta evalúa las variables más relevantes en el desarrollo de la enfermedad y ofrece, en tiempo real, pautas de comportamiento que permiten prever la evolución de los pacientes en términos de ingreso en UCI y mortalidad. Para ello se han analizado más de 380 variables en más de 15.000 pacientes durante la primera ola y el inicio de la segunda, lo que ha permitido obtener unos patrones clínicos que agilizan la actuación de los sanitarios ante un posible agravamiento de la enfermedad.
La idea nace a mediados de marzo, en plena pandemia. “Surge desde un equipo multidisciplinar de facultativos de los cuatro hospitales públicos gestionados por Quirónsalud en Madrid con la finalidad de poder ayudarles en la toma de ciertas decisiones sobre los pacientes que eran ingresados por la Covid-19”, cuenta Antonio Herrero, responsable de big data de esta red asistencial. Unos meses después, en septiembre, el algoritmo se empieza a usar en estos cuatro centros con el objetivo de mejorar la salud de los pacientes y la eficacia de los recursos hospitalarios.
Datos de más de 15.000 pacientes y 382 variables analizadas
Para ‘alimentar’ el algoritmo se recogieron los datos de más de 15.000 pacientes hospitalizados en estos cuatro centros entre marzo y mayo del año pasado. El análisis de cientos de variables mediante machine learning permitió seleccionar posteriormente las 20 más relevantes, que establecían los patrones de comportamiento que se repetían en los pacientes Covid-19.
En la selección de estos parámetros “nos centramos en los indicadores de posibles patologías padecidas, 382 variables de laboratorio obtenidas de las analíticas, datos demográficos como edad y sexo, fármacos que se le administraban en el hospital, fármacos que estaban tomando en su casa, si al final habían ingresado en UCI o UCIR, si habían sido intubados, y además añadimos las variables tomadas a su ingreso en Urgencias, como la temperatura, la tensión, la saturación de oxígeno etc…” explica Herrero.
El modelo predictivo se puso en marcha primero en el servicio de Urgencias en septiembre del año pasado para ampliarse a los de Hospitalización, UCI y UCIR a mediados de diciembre. Felipe Villar, jefe asociado del servicio de Neumología de la Fundación Jiménez Díaz, declara que “la variabilidad mostrada en la evolución de los pacientes hace que la herramienta sea aplicada a todos los pacientes con Covid-19, independientemente de los factores de riesgo que tengan, y que se haga de manera continua, lo que permite pronosticar en tiempo real la progresión de muchos de estos enfermos”.
Seis meses después de que se comenzara a emplear esta tecnología con los pacientes positivos, “seguimos retroalimentando el algoritmo”, confirma el responsable de big data de Quirónsalud, para añadir más información que haga predicciones cada vez más precisas. Por ejemplo, “en las últimas semanas ya sabíamos que el Índice de Masa Corporal era una variable que estaba teniendo impacto, pero que no nos había salido como relevante porque no teníamos suficientes datos recogidos. Afortunadamente se ha puesto remedio y ahora es una variable bastante importante”.
La edad y el IMC, las variables más determinantes
Al inicio de la pandemia, uno de los grandes enemigos fue el desconocimiento sobre el virus. Aquellos meses sirvieron de rápido aprendizaje para los facultativos, que observaron la presencia de factores de riesgo como la “edad, obesidad, hipertensión, diabetes o enfermedades oncológicas, que junto al agravamiento rápido de la insuficiencia respiratoria y la presencia de mayores infiltrados pulmonares sugerían que esos pacientes tenían un peor pronóstico”, explica José María Milicua, jefe asociado de la UCI de la Fundación Jiménez Díaz.
Tras la introducción del algoritmo en la práctica clínica, se ha determinado que “las principales variables que determinan la evolución de los pacientes son la edad, la hipertensión arterial o el IMC”, afirma Milicua. También los síntomas y signos respiratorios propios de la enfermedad (como la disnea) pueden dar información acerca de su evolución. Asimismo, la presencia de enfermedades como la diabetes, la enfermedad pulmonar obstructiva crónica, la hepatopatía crónica o cardiopatías influyen en un peor pronóstico.
Ahora, en el día a día de los cuatro hospitales que cuentan con este algoritmo, los representantes de las especialidades médicas implicadas en la enfermedad (Neumología, Medicina Interna, UCI y UCIR) se reúnen para discutir “los casos que el algoritmo ha identificado con un valor alto de probabilidad de empeorar o fallecer. En la misma reunión están presentes los responsables de big data para seguir promoviendo una revisión continua del algoritmo y posteriormente se evalúa de nuevo a los pacientes por la UCI y UCIR, y finalmente se hace un seguimiento diario y continuo de la evolución de los pacientes con alta probabilidad de empeoramiento”, aclara Alfonso Cabello, jefe asociado del servicio de Medicina Interna del hospital madrileño.
Una tecnología aplicable a cualquier enfermedad
En Quirónsalud, tras la exitosa prueba con el algoritmo de predicción, “estamos convencidos del valor de los datos y de su utilización como ayuda para ciertas patologías. Lo que hacen este tipo de herramientas es poner en valor en muy poquito tiempo todos los datos de la historia clínica del paciente, pudiendo, casi en tiempo real, levantar alarmas y orientar en tratamientos”, explica Herrero. De hecho, la intención del grupo hospitalario es extender esta iniciativa al resto de centros.
Desde el punto de vista de los sanitarios, confirma Villar, “todos los departamentos que manejan la Covid-19 se han beneficiado del proyecto, pero también lo retroalimentan con los resultados de sus pacientes, lo que ha permitido ampliar la muestra, incluir nuevas variables y optimizar el algoritmo. Esto no solo hace que podamos identificar a pacientes con mayor riesgo, sino que en la toma de decisiones podemos anticiparnos y aplicar medidas terapéuticas que mejoren el curso de la enfermedad”.
Es un paso más para que tecnologías como la inteligencia artificial artificial, el big data o el machine learning sean una realidad extendida en los hospitales, ya que “pueden ayudar a pronosticar el curso de cualquier patología que requiera un ingreso hospitalario, sobre todo de aquellas que por su gravedad requieren de una monitorización continua”, asegura Milicua. Pero esta herramienta no sólo es útil en las enfermedades que requieran hospitalización, también lo será, aseguran los doctores, en enfermedades crónicas, pues “podrían llegar a predecir una agudización y poder anticiparnos en el manejo de las mismas”.
'El algoritmo que predice la evolución de los pacientes con Covid-19 en los hospitales madrileños' es un contenido elaborado con la colaboración de Quirónsalud.