Investigadores de la Universidad de Virginia desarrollaron y publicaron gratuitamente un modelo de IA y machine learning para mejorar el cuidado y la atención de la insuficiencia cardíaca.
Investigadores de UVA Health de la Universidad de Virginia, desarrollaron un modelo de inteligencia artificial (IA), para mejorar el cuidado y la atención en pacientes con insuficiencia cardíaca. Esta condición ocurre cuando el corazón no tiene la capacidad de bombear sangre suficiente, los síntomas más comunes incluyen fatiga, debilidad, piernas y pies hinchados.
Esta nueva herramienta mejora las herramientas actuales de evaluación de riesgo de insuficiencia cardíaca ya que aprovecha los beneficios del machine learning, y la IA para determinar los riesgos específicos de cada paciente de desarrollar resultados desfavorables con esta enfermedad. Además, esta herramienta de evaluación de riesgos ha sido puesta a disposición del público y de manera gratuita para los médicos.
“La insuficiencia cardíaca es una condición progresiva que afecta no sólo la calidad de vida sino también la cantidad. No todos los pacientes con insuficiencia cardíaca son iguales. Cada paciente se encuentra en un espectro a lo largo del continuo de riesgo de sufrir resultados adversos”, dijo la investigadora Sula Mazimba, experta en insuficiencia cardíaca. “Identificar el grado de riesgo de cada paciente promete ayudar a los médicos a adaptar las terapias para mejorar los resultados”, agregó.
El modelo denominado CARNA, desarrollado por investigadores de UVA Health, busca encontrar nuevas formas de mejorar la atención a los pacientes con insuficiencia cardíaca y además forma parte de un plan estratégico de diez años de la universidad.
El modelo fue desarrollado utilizando datos anónimos extraídos de miles de pacientes inscritos en ensayos clínicos de insuficiencia cardiaca. Posteriormente lo pusieron a prueba y descubrieron que logró superar a predictores existentes para determinar cómo serían los resultados de un amplio espectro de pacientes en áreas como: cirugía, trasplante de corazón, riesgo de rehospitalización y riesgo de muerte.
“Este modelo representa un gran avance porque ingiere conjuntos complejos de datos y puede tomar decisiones incluso entre factores faltantes y en conflicto”, mencionó la investigadora Josephine Lamp, del Departamento de Ciencias de la Computación de la Facultad de Ingeniería de la UV. Además, detalló que el modelo presenta y resume de manera inteligente los factores de riesgo, lo cual permite reducir la carga de decisiones para que los médicos puedan actuar rápidamente sobre el tratamiento de los pacientes.
El modelo está disponible de manera gratuita en GitHub: https://github.com/jozieLamp/CARNA. Asimismo, los resultados de la evaluación de CARNA fueron publicados en el American Heart Journal.
