Las técnicas de aprendizaje automático pueden predecir mejor el riesgo de hemorragia en pacientes sometidos a intervención coronaria percutánea (ICP) que los métodos tradicionales. informan los investigadores de Yale.

Este estudio se publica en Red JAMA abierta .

El equipo de investigación analizó datos del Registro Nacional de Datos Cardiovasculares (NCDR) del Colegio Americano de Cardiología (ACC) de 2009 a 2015 utilizando aprendizaje automático. una rama de la inteligencia artificial capaz de realizar tareas al inferir patrones en los datos. La base de datos incluye más de 3 millones de procedimientos realizados en hospitales de los Estados Unidos. El equipo descubrió que los análisis de aprendizaje automático mejoraron la predicción del riesgo de hemorragia después de la ICP (a menudo se usa para abrir los vasos sanguíneos estrechados por la acumulación de placa). que podría informar mejor las decisiones de pacientes y médicos.

"Estamos descubriendo que el aprendizaje automático puede permitirnos mejorar nuestra capacidad para predecir el riesgo mejor que nuestros enfoques tradicionales, "dijo el Dr. Harlan Krumholz, Cardiólogo de Yale y director del Centro de Investigación y Evaluación de Resultados del Hospital de Yale New Haven (CORE). "En tono rimbombante, la clave está en cómo se procesa la información sobre los pacientes incluso antes de que comience el análisis. En el futuro, estas técnicas nos permitirán personalizar las estimaciones en mucha mayor medida ".

El equipo incluía médicos, científicos clínicos, y científicos de datos. Este estudio es uno de los primeros en emplear el aprendizaje automático en los registros masivos de la ACC. CORE es socio de ACC en el Instituto de Salud Computacional Cardiovascular y este proyecto es uno de los primeros productos de esa colaboración.