Este algoritmo es capaz de predecir tu muerte

Hacen público un algoritmo que es capaz de predecir la muerte y el ataque cardíaco con más del 90% de precisión.

El aprendizaje automático está superando a los humanos para predecir la muerte o un ataque al corazón

Ése es el mensaje principal de un estudio que se ha presentado en la Conferencia Internacional sobre Cardiología Nuclear y TC Cardiaca (ICNC).

Al analizar repetidamente 85 variables en 950 pacientes con resultados conocidos de seis años, un algoritmo "aprendió" cómo interactúan los datos de imágenes. Después, identificó los patrones que correlacionan las variables con la muerte y el ataque cardíaco con más del 90% de precisión.

La base moderna de la inteligencia artificial

El motor de búsqueda de Google, el reconocimiento facial en los teléfonos inteligentes, los coches que conducen por sí mismos, los sistemas de recomendación de Netflix y Spotify usan algoritmos de aprendizaje automático para adaptarse al usuario individual.

El autor del estudio, el doctor Luis Eduardo Juárez-Orozco, del Centro de PET de Turku, Finlandia, dice que: "Estos avances van mucho más allá de lo que se ha hecho en medicina, donde debemos ser cautelosos sobre cómo evaluamos el riesgo y los resultados. Tenemos los datos, pero todavía no los estamos utilizando en todo su potencial".

Los médicos emplean las puntuaciones de riesgo para tomar decisiones de tratamiento, pero estas puntuaciones se basan solo en variables y, a menudo, tienen una precisión modesta en pacientes individuales.

Mediante la repetición y el ajuste, el aprendizaje automático puede explotar grandes cantidades de datos e identificar patrones complejos que pueden no ser evidentes para los humanos.

El estudio incluyó a 950 pacientes con dolor torácico que se sometieron al protocolo habitual del centro para detectar una enfermedad de la arteria coronaria

Una exploración coronaria por angiografía por tomografía computarizada (CCTA) produjo 58 datos de la presencia de placa coronaria, estrechamiento de vasos y calcificación.

Aquellos con exploraciones que sugerían enfermedad se sometieron a una tomografía por emisión de positrones (TEP) que produjo 17 variables en el flujo sanguíneo.

Se obtuvieron diez variables clínicas a partir de registros médicos, incluyendo sexo, edad, tabaquismo y diabetes. Durante un seguimiento promedio de seis años, hubo 24 ataques cardíacos y 49 muertes por cualquier causa.

Las 85 variables se pusieron en un algoritmo de aprendizaje automático llamado LogitBoost

"El algoritmo aprende progresivamente de los datos y, después de numerosas rondas de análisis, determina los patrones de alta dimensión que deben usarse para identificar de manera eficiente a los pacientes que tienen el evento. El resultado es una puntuación de riesgo individual", explica el doctor Juárez-Orozco.

El rendimiento predictivo utilizando solo las diez variables clínicas (similar a la práctica clínica actual) fue modesto, con un área bajo la curva (AUC) de 0,65 (donde 1 es una prueba perfecta y 0,5 es un resultado aleatorio). Cuando se añadieron datos de PET, el AUC aumentó a 0,69. El rendimiento predictivo subió significativamente (p = 0,005) cuando se sumaron los datos de CCTA a los datos clínicos y de PET, lo que dio un AUC 0,82 y una precisión de más del 90%.