Durante la cirugía, Los anestesiólogos monitorean y manejan a los pacientes para asegurarse de que estén seguros y respiren bien. Pero estos médicos no siempre pueden predecir cuándo surgirán las complicaciones.

Ahora, los investigadores de la Universidad de Washington han desarrollado un nuevo sistema de aprendizaje automático, llamado Presciencia, que utiliza información de las historias clínicas del paciente y los sensores estándar de la sala de operaciones para predecir la probabilidad de que un paciente desarrolle hipoxemia, una condición en la que los niveles de oxígeno en sangre descienden ligeramente por debajo de lo normal. La hipoxemia puede tener consecuencias graves, como infecciones y comportamiento anormal del corazón.

Prescience también proporciona explicaciones del mundo real detrás de sus predicciones. Con esta información, Los anestesiólogos pueden comprender mejor por qué un paciente tiene riesgo de hipoxemia y prevenirla antes de que suceda. El equipo, que publicará sus hallazgos el 10 de octubre en Ingeniería Biomédica de la Naturaleza , estima que Prescience podría mejorar la capacidad de los anestesiólogos para anticipar y prevenir 2,4 millones más de casos de hipoxemia en los Estados Unidos cada año.

"Los métodos modernos de aprendizaje automático a menudo solo arrojan un resultado de predicción. No le explican qué características del paciente contribuyeron a esa predicción, "dijo Su-In Lee, profesor asociado en la Escuela de Ingeniería y Ciencias de la Computación Paul G. Allen de la Universidad de Washington y autor principal del artículo. "Nuestro nuevo método abre esta caja negra y realmente nos permite comprender por qué dos pacientes diferentes pueden desarrollar hipoxemia. Ese es el poder".

Lee y Scott Lundberg, estudiante de doctorado en la Escuela Allen, inició el proyecto reuniéndose con colaboradores de UW Medicine para averiguar qué necesitaban en el quirófano.

"Una de las cosas que dijeron los anestesiólogos fue:'No estamos realmente satisfechos con solo una predicción. Queremos saber por qué, '", Dijo Lee." Así que eso nos hizo pensar ".

Lee y Lundberg se propusieron crear un sistema de aprendizaje automático que pudiera tanto hacer predicciones como explicarlas. Primero, adquirieron un conjunto de datos de 50, 000 cirugías reales de la Universidad de Washington y los centros médicos Harborview en Seattle. Estos datos incluyen información sobre la ingesta del paciente, como la edad y el peso, así como información en tiempo real, información minuto a minuto:frecuencia cardíaca, niveles de oxígeno en sangre y más, a lo largo de las cirugías. Los científicos utilizaron todos estos datos para enseñar a Prescience a hacer predicciones.

El equipo quería que Prescience resolviera dos tipos diferentes de problemas. Prescience necesitaba mirar la información previa a la cirugía y predecir si un paciente determinado tendría hipoxemia mientras estaba bajo anestesia. Prescience también tuvo que predecir la hipoxemia en cualquier momento durante la cirugía al observar información en tiempo real. Finalmente, Lee y Lundberg desarrollaron un nuevo enfoque para entrenar a Prescience para generar explicaciones comprensibles detrás de sus predicciones.

Para los datos preoperatorios, Prescience descubrió que el índice de masa corporal era una característica importante que contribuía a predecir que un paciente experimentaría hipoxemia durante la cirugía. Pero durante la cirugía, los propios niveles de oxígeno en sangre contribuyeron más a una predicción.

Con esta información en mente, había llegado el momento de poner a prueba la Presciencia.

Lee y Lundberg crearon una interfaz web que dirigió a los anestesiólogos a través de casos previos a la cirugía y en tiempo real de cirugías en el conjunto de datos que no se utilizaron para capacitar a Prescience. Para la prueba en tiempo real, los investigadores eligieron específicamente casos que serían difíciles de predecir, como cuando el nivel de oxígeno en sangre de un paciente se mantiene estable durante 10 minutos y luego desciende.

"Queríamos saber si esto iba a ser informativo para los anestesiólogos, "dijo Lundberg, quién es el primer autor del artículo. "Entonces, para algunos de sus casos, obtuvieron una barra de información adicional de Prescience ".

Prescience mejoró la capacidad de los médicos para predecir correctamente el riesgo de hipoxemia de un paciente en un 16 por ciento antes de una cirugía y en un 12 por ciento en tiempo real durante una cirugía. En general, con la ayuda de Presciencia, los anestesiólogos pudieron distinguir correctamente entre los dos escenarios casi el 80 por ciento de las veces antes y durante la cirugía.

"Esta investigación nos permitirá anticiparnos mejor a las complicaciones y dirigir nuestro tratamiento a cada paciente, "dijo la coautora, la Dra. Monica Vavilala, profesor de anestesiología y medicina del dolor en la Facultad de Medicina de la UW y director del Centro de Investigación y Prevención de Lesiones de Harborview. "Si sabemos que hay un aspecto que está causando el problema, entonces podremos abordar eso primero y más rápidamente. Esto realmente podría cambiar la forma en que practicamos, así que esto es realmente importante ".

Prescience aún no está lista para estar en quirófanos. Lee y Lundberg planean continuar trabajando con anestesiólogos para mejorar Prescience y darle una interfaz que sea intuitiva y útil. Además, el equipo espera que las versiones posteriores de Prescience puedan predecir otras condiciones dañinas, como presión arterial baja, y recomendar planes de tratamiento.

Independientemente del futuro de Prescience, un punto es claro:esta tecnología está destinada a ayudar a los anestesiólogos a cuidar mejor a sus pacientes, Dijo Lundberg.

"La presciencia no trata a nadie, ", dijo." En cambio, le dice por qué está preocupado, lo que permite al médico tomar mejores decisiones sobre el tratamiento ".