Científicos de Stanford Medicine publicaron un estudio que muestra cómo modelos de aprendizaje profundo y aprendizaje automático pueden predecir riesgos de salud de recién nacidos, a través de la lectura y evaluación de registros médicos electrónicos.
Gracias a un algoritmo de aprendizaje automático, es posible la predicción de la evolución de la salud de los recién nacidos en situación de riesgo, especialmente durante sus dos primeros meses de vida. Este método desarrollado por investigadores de Stanford Medicine permite clasificar el riesgo que tiene un recién nacido de desarrollar complicaciones prematuras.
La muerte prematura es una de las causas de muerte más común en niños menores de cinco años, sin embargo, existe poca predicción para guiar decisiones de atención para la edad gestacional. El estudio propone la evaluación de riesgo longitudinal para resultados neonatales adversos en recién nacidos basada en un modelo de aprendizaje profundo. Este modelo utiliza registros de salud electrónicos, para predecir resultados durante un periodo que comienza desde antes de la concepción y termina meses después del nacimiento.
“Se trata de una nueva forma de pensar sobre el parto prematuro, que se centra en los factores de salud individuales de los recién nacidos en lugar de fijarse sólo en lo temprano que nacen”, explicó uno de los autores, el Dr. Nima Aghaeepour.
Para desarrollar el algoritmo utilizado en el estudio, los autores recolectaron datos de 22,104 parejas de madres y recién nacidos entre 2014 y 2018 y extrajeron los registros médicos para entrenar un modelo de red neuronal de memoria a largo y a corto plazo capaz de predecir 24 resultados neonatales diferentes.
“En neonatología nos fijamos sobre todo en el bebé para tomar decisiones terapéuticas, pero estamos descubriendo que podemos obtener información valiosa de la historia clínica materna, que nos permite conocer realmente cómo la exposición a su entorno materno específico ha determinado la trayectoria de cada bebé”, señala el coautor del estudio, el Dr. David Stevenson.
Gracias a la memoria de largo y corto plazo de la red neuronal, los autores desarrollaron un modelo matemático basándose en los registros médicos para lograr la predicción de estos 24 resultados en salud en bebés luego de dos meses de su nacimiento.
Asimismo, el modelo revelo conexiones entre la salud y condiciones sociales de las madres y la salud de sus bebés. Por ejemplo, madres con anemia hacían más propensos a sus bebés a nacer con esta condición. De esta forma las predicciones del modelo pueden identificar diversas situaciones cómo los beneficios de los protocolos de prevenir complicaciones al nacimiento hasta los factores sociales que llegan a afectar a las madres.
Los autores explican que este modelo podría ser replicado en poblaciones más diversas para encontrar nuevas características y biomarcadores durante la gestación.
Puedes consultar el estudio completo en el siguiente enlace:
