El Hospital Addenbrooke en Cambridge y otros 20 hospitales de todo el mundo y el líder en tecnología de la salud NVIDIA han utilizado inteligencia artificial (IA) para predecir las necesidades de oxígeno de los pacientes con COVID a escala global. La investigación fue provocada por la pandemia y se propuso construir una herramienta de inteligencia artificial para predecir cuánto oxígeno adicional podría necesitar un paciente con COVID-19 en los primeros días de atención hospitalaria, utilizando datos de cuatro continentes.
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. 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 no se compartiera ningún dato ni se 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 con COVID en hospitales en cualquier parte del mundo. Publicado hoy en Nature Medicine, el estudio denominado EXAM (para EMR CXR AI Model), es uno de los estudios de aprendizaje clínico federado más grandes y diversos hasta la fecha.
Para comprobar la precisión de EXAM, se probó en varios hospitales de los cinco continentes, incluido el Hospital de Addenbrooke. 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 inteligencia artificial al flujo de trabajo clínico”, dijo la profesora Fiona Gilbert, quien dirigió el estudio en Cambridge y es radióloga consultora honoraria en el Hospital Addenbrooke y presidenta de radiología en la Facultad de Medicina Clínica de la Universidad de Cambridge.
“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”.
El primer autor del estudio, el Dr. Ittai Dayan, de Mass General Bingham en los EE. UU., donde se desarrolló el algoritmo EXAM, dijo: “Por lo general, en el desarrollo de IA, cuando se crea un algoritmo con los datos de un hospital, no funciona bien en cualquier otro hospital. 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”.
Al reunir a colaboradores de América del Norte y del Sur, Europa y Asia, el estudio EXAM tomó solo dos semanas de “aprendizaje” de IA para lograr predicciones de alta calidad.
“El aprendizaje federado permitió a los investigadores colaborar y establecer un nuevo estándar de lo que podemos hacer a nivel mundial, utilizando el poder de la IA”, dijo la Dra. Mona G. Flores, directora global de IA médica en NVIDIA. “Esto hará avanzar la IA no solo para el cuidado de la salud sino en todas las industrias que buscan construir modelos robustos sin sacrificar la privacidad”.
En el estudio se analizaron los resultados de alrededor de 10,000 pacientes de COVID de todo el mundo, incluidos 250 que llegaron al Hospital de Addenbrooke en la primera ola de la pandemia en marzo / abril de 2020. La investigación fue apoyada por el Instituto Nacional de Investigación en Salud (NIHR). ) Centro de Investigación Biomédica de Cambridge (BRC). Ha continuado el trabajo en el modelo EXAM. Mass General Brigham y el NIHR Cambridge BRC están trabajando con la startup Rhino Health de NVIDIA Inception, cofundada por el Dr. Dayan, para realizar estudios prospectivos utilizando EXAM.
El profesor Gilbert agregó: “Crear software que coincida con el desempeño de nuestros mejores radiólogos es complejo, pero una aspiración verdaderamente transformadora. Cuanto más podamos integrar de forma segura datos de diferentes fuentes mediante el aprendizaje y la colaboración federados, y tengamos el espacio necesario para innovar, más rápido los académicos pueden hacer realidad esos objetivos transformadores”.
Fuente: Medical Xpress.
