Streetflow

Harini Suresh , una estudiante de doctorado en el MIT, quiere usar la IA para ayudar a los médicos de cuidados críticos a elegir el mejor tratamiento para cada paciente. Eso no es fácil cuando los pacientes están enfermos con afecciones graves como insuficiencia cardíaca o accidente cerebrovascular, y los médicos deben sopesar rápidamente los vastos y variados datos de pacientes que pueden variar desde simples datos demográficos hasta pruebas de laboratorio complejas.
"La UCI es un entorno de alto riesgo y alta demanda, y los médicos solo pueden pasar una cantidad limitada de tiempo con cada paciente", dijo Suresh. "Cuando los médicos manejan muchas fuentes y tipos de datos, las herramientas computacionales pueden marcar la diferencia".

Camino a las predicciones

Suresh, quien trabaja en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) en el MIT, ha publicado un artículo que muestra cómo el aprendizaje profundo acelerado por GPU predice si los pacientes necesitarán ciertos tratamientos en la UCI. El modelo utiliza mediciones horarias de los signos vitales, como la presión arterial, la frecuencia cardíaca y los niveles de glucosa, además de información del paciente como la edad y el sexo, para pronosticar los tratamientos necesarios.
Apodado ICU Intervene, puede ayudar a los médicos a decidir si los pacientes necesitarán tratamientos para ayudarlos a respirar, mejorar la función cardíaca, aumentar la presión arterial o reemplazar la sangre perdida. También predice cuándo los pacientes pueden retirarse de manera segura de estos tratamientos. Hasta ahora, puede pronosticar con ocho horas de anticipación.
ICU Intervene es único entre las soluciones de aprendizaje profundo porque explica el razonamiento detrás de sus decisiones.
"Esa (explicación) puede ser el factor más importante para poner en uso una tecnología como esta porque los médicos y los pacientes necesitan tener confianza en las decisiones", dijo Suresh.

Cómo la computadora aprendió la medicina

Suresh y el equipo de investigación del MIT, incluido el asesor de Suresh, el profesor del MIT Peter Szolovits y un médico del MIT, capacitado en la UCI, intervienen para asociar factores como la frecuencia cardíaca, la saturación de oxígeno y la función renal con los tratamientos recomendados. Para los datos de capacitación, el equipo tomó información sobre 34,000 estadías en la UCI incluidas en la base de datos pública MIMIC-III de información de salud del paciente no identificada.
Aceleraron el entrenamiento del modelo con tarjetas de procesamiento gráfico (GPU), y luego usaron las mismas GPU para implementar la aplicación.
Si se pone en práctica, ICU Intervene podría ayudar a los médicos a elegir más rápidamente el tratamiento adecuado para cada paciente, dijo Suresh. También podría evitar tratamientos innecesarios.
A continuación, los investigadores trabajarán para mejorar la intervención en la UCI para poder brindar una atención más individualizada y proporcionar un razonamiento más avanzado para las decisiones.