Big data para pronosticar la evolución del paciente Covid

El análisis de múltiples datos ha permitido crear un algoritmo con tecnología Big Data que ayuda a pronosticar la evolución de las personas ingresadas por Covid-19.

Para ello, se han analizado más de 15.000 casos de Covid-19 que fueron ingresados desde la primera ola hasta septiembre del 2020 en los hospitales universitarios Fundación Jiménez Díaz (FJD), Rey Juan Carlos, Infanta Elena y General de Villalba.

Desde entonces, los cuatro centros han incorporado esta nueva herramienta en las Unidades de Cuidados Intensivos y en Hospitalización, y, a día de hoy, continúan actualizándola con los resultados que obtienen.

El responsable de Big Data de estos centros, Antonio Herrero González, nos señala que "el sistema ofrece un patrón de comportamiento que permite prever la evolución, en términos de mortalidad y de empeoramiento (riesgo de ingreso en la UCI en las siguientes horas), de aquellos pacientes Covid hospitalizados que cumplen determinados criterios".

Pero ¿cómo se ha elaborado este sistema con tecnología Big Data? ¿qué ventajas supone para el equipo médico y los pacientes con Covid-19?

Cómo se diseña este sistema predictivo en pacientes Covid

Mediante el análisis de más de 15.000 casos ingresados por Covid en los cuatro hospitales universitarios se han conseguido seleccionar 20 variables que permiten prever cuál será la evolución de los ingresados por el coronavirus SARS-CoV-2.

Primero, la recogida de parámetros y variables

Este novedoso sistema parte con la recopilación de datos:

Big data para pronosticar la evolución del paciente Covid

• Información demográfica, como edad, sexo y lugar de residencia, entre otros
• Antecedentes, como tabaquismo, diabetes, hipertensión y afecciones de tipo cardiovascular, pulmonar, neurológico y renal, entre otros
• Toma de medicamentos
• Grupo sanguíneo
• Índice de Masa Corporal o IMC
• Ingreso previo en la UCI o no
• Uso de ventilación mecánica o no

Segundo, la selección de las variables más útiles

Con toda esa información fue posible elegir 20 variables clave, tal como detalla nuestro responsable de Big Data: "El análisis de esta información en los más de 15.000 pacientes Covid, mediante el empleo de métodos de machine learning, permitió seleccionar las variables más relevantes, que ofrecen patrones de comportamiento de los pacientes positivos a través de los cuales se puede prever su evolución".

Tercero, el uso de árboles de decisión

Después, se aplicaron árboles de decisión de hasta cuatro niveles de complejidad, lo que proporciona una visión completa y clara de cómo influiría cada variable en el triaje, que es el primer paso en el servicio de urgencias.

En este caso, se empleó el algoritmo denominado Bayesian Ruleset, que "proporciona el conjunto de reglas de umbrales que mejor predice la gravedad futura del paciente", apunta Herrero.

Después, una vez localizadas esas 20 variables clave, se trabajaron dos modelos para determinar una serie de probabilidades relacionadas con el paciente Covid, que son el riesgo de ingresar en la UCI o de mortalidad.

Esquema del algoritmo predictivo

Por último, su incorporación en los hospitales

Los datos personales y los resultados de las analíticas se trasladan a estos dos modelos para obtener las estimaciones. Seguidamente, esos resultados se incorporan a la base de datos en tiempo real, y también quedan reflejados en la historia clínica, creando un aviso de predicción que ayuda a la toma de decisiones.

Beneficios de la nueva herramienta con Big Data

Una de las principales ventajas es que ayuda a estimar la evolución de una persona con Covid-19. Desde su experiencia, los doctores de FJD Alfonso Cabello Úbeda, Felipe Villar Álvarez y José María Milicua Muñoz, especialistas de Medicina Interna, Neumología y la UCI respectivamente, nos destacan que "con respecto a los pacientes, mejora tanto la experiencia en el hospital como la calidad y la seguridad en la atención de su proceso de salud, puesto que se cuenta desde el principio con factores que nos van a indicar su evolución".

Otra de las ventajas es que los patrones de comportamiento obtenidos con esta herramienta se pueden comparar con los datos clínicos del paciente, y además aportan información extra muy útil. Sobre esto, nuestros doctores nos comentan que "esta herramienta ofrece una información adicional de gran utilidad para los profesionales médicos de cara a la toma de decisiones".

Finalmente, el uso del algoritmo permite agilizar el proceso. Al respecto, nuestros doctores nos indican que "poder prever la necesidad de determinados recursos con varios días de antelación nos ha permitido adelantarnos a las necesidades de cada momento".