Un sanitario trabaja en la Unidad de Cuidados Intensivos (UCI) dedicada a pacientes covid del Hospital Miguel Servet de Zaragoza. EFE/Javier Belver

Un sanitario trabaja en la Unidad de Cuidados Intensivos (UCI) dedicada a pacientes covid del Hospital Miguel Servet de Zaragoza. EFE/Javier Belver

Investigación

Inteligencia artificial para reducir las reintubaciones de pacientes en las UCI

Investigadores de la Universidad Rovira i Virgili han desarrollado un modelo matemático que permitirá reducir la tasa de reintubaciones del 9% al 1%.

17 febrero, 2021 01:02

Noticias relacionadas

Cerca de la mitad de los pacientes ingresados en una unidad de cuidados intensivos requiere ventilación mecánica invasiva (VMI), una terapia que sustituye la respiración espontánea de los pacientes y los conecta a un equipo. Su uso se ha generalizado estos últimos meses en pacientes afectados por la Covid-19 que han llegado a las UCI.

A pesar de que este procedimiento es vital para el paciente, la ventilación mecánica invasiva no está exenta de riesgos, como por ejemplo las lesiones accidentales durante la intubación o extubación o la atrofia de los músculos responsables de la respiración. Los médicos intensivistas deben encontrar el equilibrio entre mantener el paciente intubado mientras no pueda respirar por sí mismo y no tenerlo intubado más tiempo del necesario para iniciar la recuperación.

Para evitar al máximo las reintubaciones, un equipo de investigación formado por médicos de la UCI del Hospital Universitario Joan XXIII de Tarragona, del Instituto de Investigación Sanitaria Virgili y del grupo de investigación Ecommfit, del Departamento de Ingeniería Mecánica de la Universitat Rovira i Virgili (URV), ha desarrollado un modelo matemático que permite predecir cuál será el resultado de una extubación practicada en un paciente adulto en estado crítico con ventilación mecánica invasiva.

El estudio se ha llevado a cabo empleando un conjunto masivo y heterogéneo de datos provenientes de diferentes fuentes “incluyendo equipos de monitorización del paciente, datos demográficos (edad, sexo, peso, etc.), datos clínicos obtenidos en el momento de admisión a la UCI y registros de incidencias del personal médico. Empleando técnicas de aprendizaje automático, ha sido posible determinar la compleja relación entre todas estas variables que han permitido crear modelos capaces de coger parte de la complejidad de aquello que pasa en el paciente”, cuentas desde la Universidad.

En su estudio han recopilado datos de aproximadamente mil pacientes adultos con dificultades respiratorias ingresados en los últimos cinco años en la UCI del Hospital Universitario Joan XXIII. Datos que después han tratado y analizado en el Departamento de Ingeniería Mecánica de la URV.

Los resultados del trabajo, publicado en la revista Computer Methods and programos in Biomedicine, demuestran que es posible reducir la tasa actual de reintubaciones del 9% hasta el 1%, de forma que se minimizan los riesgos para el paciente. Ahora los investigadores centran sus esfuerzos en incorporar este modelo en los sistemas de monitorización de la UCI para facilitar el acceso y obtener una predicción rápida.