Un estudio conjunto de las Universidades de Extremadura, Florida y Évora logra reducir la cantidad de información necesaria para el tratamiento médico de los pacientes

Investigadores del Grupo Quercus han conseguido desarrollar un sistema basado en inteligencia artificial capaz de seleccionar cuáles son las características más relevantes para el diagnóstico de una patología y diagnosticar a los pacientes, usando una menor cantidad de datos de los necesarios hasta el momento. Permitirá el desarrollo de aplicaciones móviles que los pacientes podrán usar en su casa y una reducción de los costes de diagnóstico. Ha comenzado a emplearse en Portugal en el diagnóstico de pacientes mayores con pérdida de funcionalidades

06/07/2022. La inteligencia artificial se ha arraigado en los últimos años en la sociedad, ofreciendo todo tipo de soluciones software a problemas de los usuarios que hasta el momento la informática no había sido capaz de resolver. Su uso se ha extendido a un gran número de parcelas de la vida. Un ejemplo es la mejora de los tratamientos médicos y la inclusión de esta tecnología en el campo de la salud.

El Grupo de Investigación Quercus de la Universidad de Extremadura desarrolla una línea de investigación de Ingeniería del Software aplicada a la salud que trabaja en mejorar el cuidado de las personas a través de esta tecnología. En su último trabajo, desarrollado en conjunto con un investigador especialista en eHealth de la Universidad de Florida (USA), el profesor Sumi Helal, y con varios investigadores del área de enfermería de la Universidad de Évora (Portugal), los investigadores e integrantes del grupo Quercus Javier Rojo, José García-Alonso y Juan Manuel Murillo han comenzado a trabajar en reducir la información que se necesita para diagnosticar a los pacientes.

Para ello, se ha desarrollado un sistema basado en inteligencia artificial capaz de seleccionar las características más relevantes que se emplean actualmente en el diagnóstico de ciertas patologías, y crear modelos de Aprendizaje Automático o Machine Learning capaces de aprender por sí solos a diagnosticar con esa cantidad de información más reducida. El hecho de incluir solo las características más relevantes trae asociada una pérdida de precisión en el diagnóstico que, en ningún caso, resulta relevante, como se ha comprobado con el primer caso de estudio al que se ha aplicado: el diagnóstico del decremento del perfil funcional de los ancianos pertenecientes a 50 centros sociosanitarios de Portugal. Además, el hecho de perder más o menos precisión siempre vendrá asociado a la cantidad de características que se quieran conservar, por lo que el propio investigador o profesional de salud podrá ajustar el algoritmo de inteligencia artificial según sus intereses.

Las implicaciones que tienen este trabajo son varias. Por un lado, el investigador Javier Rojo afirma que “los profesionales de salud puedan diagnosticar a los pacientes con una cantidad mucho más reducida de información, que permite que el mismo profesional pueda realizar un mayor número de evaluaciones en el mismo tiempo y abaratar los costes de tratar a los pacientes”. José García-Alonso explica que “nuestra propuesta ayudará a incrementar la sostenibilidad de los sistemas sanitarios actuales”. Además, otros de los puntos a favor de esta propuesta es que permite detectar cuáles son los factores claves asociados a una patología, para que el propio paciente pueda realizarse un monitoreo constante en su domicilio, usando su propio smartphone y proporcionando una cantidad mínima de información. De esta forma, solo necesitará acudir a su centro médico cuando los resultados arrojen valores alarmantes que impliquen la necesidad de que el profesional de salud recabe más información para realizar un diagnóstico más preciso. “La inteligencia artificial provista selecciona las características más relevantes a distintos niveles, para que el paciente se autodiagnostique con menos información y el profesional de salud utilice más datos, ofreciendo resultados más precisos”, afirma Javier Rojo.

Hasta el momento, el uso de esta propuesta se está extendiendo a otro tipo de evaluaciones en los ancianos de centros sociosanitarios de Portugal, como diagnósticos de salud mental o sentimiento de soledad, entre otros. Incluso se está comenzando a estudiar su uso por parte de los centros médicos de Florida bajo la marca OneFlorida para detectar cuáles son los factores más determinantes en ancianos nonagenarios saludables que acaban desarrollando demencia con el tiempo.

Esta investigación es también una línea de trabajo del Instituto Internacional de Innovación en Envejecimiento (4IE+), programa financiado por Fondos Europeos en el que participa la UEx. Está dedicado a la investigación del cuidado de personas de avanzada edad en zonas rurales de las regiones de Extremadura y Alentejo.

Referencia bibliográfica

Javier Rojo, Lara Guedes de Pinho, César Fonseca, Manuel José Lopes, Sumi Helal, Juan Hernández, Jose Garcia-Alonso, Juan M. Murillo, “Analyzing the Performance of Feature Selection on Regression Problems: a Case Study on Older Adults’ Functional Profile”, IEEE Transactions on Emerging Topics in Computing, 2022, doi: 10.1109/TETC.2022.3181679. URL: https://ieeexplore.ieee.org/abstract/document/9799772