Herramienta de inteligencia artificial (IA) predice la necesidad de oxígeno de los pacientes hospitalizados con COVID-19 en cualquier parte del mundo

La técnica, conocida como aprendizaje federado, utilizó un algoritmo para analizar radiografías de tórax y datos electrónicos de salud de pacientes hospitalarios con síntomas de COVID-19.

Para mantener la estricta confidencialidad del paciente, los datos del paciente se anonimizaron por completo y se envió un algoritmo a cada hospital para que ningún dato fuese compartido o abandonara su ubicación. Una vez que el algoritmo “aprendió” de los datos, el análisis se reunió para construir una herramienta de inteligencia artificial que pudiera predecir las necesidades de oxígeno de los pacientes hospitalizados con COVID-19 en cualquier parte del mundo. El estudio denominado EXAM (por EMR CXR AI Modelo), fue uno de los estudios de aprendizaje clínico federado más grandes y diversos hasta la fecha. Para comprobar la exactitud de EXAM, se probó en varios hospitales de los cinco continentes. En el estudio se analizaron los resultados de alrededor de 10.000 pacientes con COVID-19 de todo el mundo. Los resultados mostraron que predijo el oxígeno necesario dentro de las 24 horas posteriores a la llegada del paciente al departamento de emergencias, con una sensibilidad del 95% y una especificidad de más del 88%.

“El aprendizaje federado tiene un poder transformador para llevar la innovación de la IA al flujo de trabajo clínico”, dijo la profesora, Fiona Gilbert, quien dirigió el estudio. “Nuestro trabajo continuo con EXAM demuestra que este tipo de colaboraciones globales son repetibles y más eficientes, de modo que podamos satisfacer las necesidades de los médicos para abordar desafíos de salud complejos y epidemias futuras”.

“Por lo general, en el desarrollo de la IA, cuando se crea un algoritmo con los datos de un hospital, no funciona bien en ningún otro hospital”, dijo el Dr. Ittai Dayan, primer autor del estudio. “Al desarrollar el modelo EXAM utilizando aprendizaje federado y datos objetivos y multimodales de diferentes continentes, pudimos construir un modelo generalizable que puede ayudar a los médicos de primera línea en todo el mundo”.

Enlace relacionado:
Hospital de Addenbrooke