“Lamento informale que le quedan 6 meses de vida” dijo el médico al paciente.
y después terminó viviendo 6 años más.
Es difícil predecir la muerte de un paciente en tiempo y acertarle. Los médicos nos basamos en estudios de sobrevida sobre una condición y en parámetros fisiológicos que vemos en el paciente para intentar “predecir la fecha” y contamos con diversos SCORES para esto (Palliative Prognostic Score, APACHE-II, SAPS II, CriSTAL…), pero el margen de error es grande y el uso limitado.
¿Y si un algoritmo de DeepLearning nos ayuda a predecir la muerte viendo cosas que los médicos no vemos?
Investigadores de Stanford llevaron adelante el desarrollo de un algoritmo para esto.
Link al artículo
A diferencia de todo lo que se había realizado hasta ahora, los investigadores dijeron, probemos un algoritmo masivo que no busque solo pacientes con “cierto riesgo”, sino hagamos nuestro algoritmo sobre la población general y analicemos la sobrevida a 12 meses analizando datos del último año antes que el paciente muera.
Para esto, utilizaron el Datawarehouse clínico de-identificado de Stanford y eligieron a 15.713 pacientes fallecidos y analizaron los datos de 12 meses antes del fallecimiento, y 205.571 pacientes que tenían la condición de vivo.
Analizaron datos como ser, edad, sexo diagnósticos registrados en los últimos 12 meses, fármacos que consumieron, exámenes que se realizaron… Utilizando Redes Neuronales Convolucionales
| Estado vital | Entrenamiento | Validación | Test | Total |
|---|---|---|---|---|
| Vivos | 164.424 | 20.619 | 20.528 | 205.571 |
| Fallecidos | 12.587 | 1.520 | 1.606 | 15.713 |
| Total | 177.011 | 22.139 | 22.134 | 221.284 |
Resultados:
Predicción de muerte entre 3 y 12 meses AUC = 0,93
Más del 90% de las personas que el algoritmo predijo que morirían en los siguientes 3 a 12 meses, fallecieron. Lo mismo para los que el algoritmo dijo que sobrevivirían más de 12 meses.
¿Para qué sirve esto?
Lograr predecir con mayor certeza cuándo el paciente va a fallecer permite identificar anticipadamente los pacientes que requerirán cuidados paliativos y lograr entregarlos a tiempo, no como sucede muchas veces, únicamente al final final. Además permite a los pacientes y los familiares organizar mejor los últimos días de vida.
¿Qué se puede mejorar?
En este estudio no se incluyeron resultados de laboratorio, imagenología o anatomía patológica, ni datos sociales del paciente. Con más datos, el algoritmo puede tener mejor especificidad.