Fue publicado en Nature un estudio sobre el uso de aprendizaje automático, por medio del expediente clínico electrónico (ECE) de pacientes con condiciones cardiovasculares.
El ECE contiene información sobre aspectos e información fisiológica de los pacientes. Cuando el nivel fisiológico llega a un punto crítico que requiere examinación, existen creencias del personal médico especialista que sirven en la toma de decisiones.
A través del aprendizaje automático se obtienen dos tipos de datos, primero, aquellos relacionados con acciones específicas del ejercicio médico, expresiones en la toma de decisiones, diagnósticos, referenciales, consultas o procedimientos no rutinarios; posteriormente aquellos datos “no iniciados por el médico”, que incluyen ordenes y tomas fisiológicas del paciente.
El estudio explica que, a través de los modelos de aprendizaje automático, es posible mejorar el diagnóstico o pronóstico de una enfermedad, porque busca basarse en la evidencia de la fisiología y condición del paciente, antes que en las creencias médicas.
The authors explain that the usefulness of the model seeks to be effective in reducing hospital mortality and does not seek to predict the behavior of the disease.
Finalmente, los autores detallan lo siguiente en el apartado de Discusión: “Los resultados de nuestros experimentos indican que los modelos de aprendizaje automático entrenados solo con datos administrativos iniciados por el médico pueden lograr actualmente un rendimiento cercano a los modelos entrenados en datos de ECE más detallados y completos”.
Puedes leer el artículo completo: “Aprendizaje automático para la estratificación del riesgo del paciente: ¿pararse o mirar por encima de los hombros de los médicos?” a través del siguiente enlace https://www.nature.com/articles/s41746-021-00426-3.
