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.
Los autores explican que la utilidad del modelo busca ser efectivo para reducir mortalidad hospitalaria y no busca predecir el comportamiento de la enfermedad.
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.
