Uno de los mayores retos de la medicina moderna es el hecho de poder predecir qué enfermedades podría sufrir una persona según sus hábitos y condiciones del organismo. Saber qué tanto riesgo puede tener alguien de sufrir una muerte prematura sería algo importantísimo especialmente en campos como la medicina preventiva. Sin embargo, los modelos actuales de prevención no son lo suficientemente exactos como para confiar en ellos.
PUBLICIDAD
Pero esto no quiere decir que vaya a ser así para siempre. Según investigadores de la Universidad de Nottingham, hay forma de lograr esa precisión a través de la tecnología. El método implica el uso de modelos de inteligencia artificial capaces de analizar las características biológicas de un paciente. El documento del estudio fue publicado en PLOS One.
Para los científicos, el desarrollo de sistemas que tengan estas capacidades es muy relevante en estos momentos. Así lo declaró el líder del estudio, Stephen Weng:
La atención médica preventiva es una prioridad cada vez mayor en la lucha contra enfermedades graves, por lo que hemos estado trabajando durante varios años para mejorar la precisión de la evaluación de riesgos de salud computarizada en la población general.
La meta estaba clara: desarrollar un modelo de predicción de muerte prematura preciso. Para ello estuvieron recopilando datos de salud del Biobanco del Reino Unido de numerosos pacientes entre el 2006 y el 2010. Después de eso, hicieron seguimiento de sus condiciones de salud hasta el 2016. En total fueron 500.000 personas entre 40 y 69 años las que aportaron información que implicaba muestras de sangre, orina y saliva para análisis más detallados.
El Biobanco de Reino Unido presta investigación en el diagnóstico y tratamiento de varias enfermedades peligrosas. Entre estas se encuentran el cáncer, enfermedades del corazón, derrame cerebral, diabetes, artritis, osteoporosis y demás males. Con esto, obtuvieron una gran base de datos con la qué trabajar.
A partir de los datos de mortalidad se trabajó en dos modelos de aprendizaje automático. Estos fueron llamados «Random Forest» y «Deep learning», enfocados en estudiar y analizar datos de casos reales. Puestos a prueba, los investigadores descubrieron que sus predicciones de muerte prematura eran muy precisas. De hecho, lograban ser más acertadas que modelos actuales como el de «Regresión de Cox».
Hasta ahora las predicciones han sido realizadas con el posible desarrollo de enfermedades cardiovasculares. Sin embargo, los científicos se ven confiados del potencial que tiene el aprendizaje automático para predecir muerte prematura. De poder desarrollar herramientas personalizadas en un futuro, se podría mejorar radicalmente los resultados de la medicina preventiva.
