Investigadores de Penn State desarrollan una técnica de machine learning para optimizar la gestión hospitalaria y los recursos médicos.
Un equipo de investigadores de Penn State ha desarrollado un método basado en inteligencia artificial (IA) que utiliza datos de diferentes hospitales para identificar necesidades específicas de atención en pacientes con COVID prolongado. Este enfoque, conocido como aprendizaje por transferencia latente o latent transfer learning (Latent-TL), permite adaptar los recursos hospitalarios a las características únicas de cada institución, mejorando la atención médica personalizada. Los resultados del estudio fueron publicados en la revista Patterns.
Cada hospital enfrenta retos únicos debido a las diferencias en sus recursos, personal y pacientes. Esto genera desafíos en el uso de datos médicos para crear perfiles generales que sean aplicables en diferentes entornos. El estudio analizó registros de salud electrónicos (EHR, en inglés) de ocho hospitales pediátricos para identificar subpoblaciones de pacientes con condiciones preexistentes afectadas por el COVID prolongado, como:
- Trastornos de salud mental: ansiedad, depresión y déficit de atención
- Condiciones atópicas o alérgicas: asma y alergias
- Condiciones crónicas no complejas: problemas de visión o insomnio
- Condiciones crónicas complejas: trastornos cardíacos o neuromusculares
El modelo de IA no solo identificó estas subpoblaciones, sino que también señaló las áreas específicas del hospital donde los pacientes requerían atención adicional, ayudando a optimizar los recursos.
El método Latent-TL permite compartir datos entre hospitales para mejorar la toma de decisiones locales. Según los investigadores, esta herramienta habría sido especialmente útil en los primeros meses de la pandemia, ayudando a prever necesidades de camas de UCI, ventiladores y personal especializado. “El uso de esta tecnología podría haber equilibrado mejor los recursos entre la atención de COVID-19 y otros servicios esenciales”, afirmó la Dra. Qiong Wu, autora principal del estudio.
Cabe destacar que este sistema tendría aplicaciones futuras más allá del COVID. Este sistema tiene el potencial de gestionar condiciones comunes como diabetes, enfermedades cardíacas y asma, que también varían significativamente entre hospitales. Incluso aquellos centros que no utilicen IA directamente podrían beneficiarse de los hallazgos compartidos por hospitales conectados en una red.
