Investigadores de la Universidad de Washington, en Tacoma, han creado un sistema de Machine Learning para predecir el riesgo de reingreso hospitalario de los pacientes con insuficiencia cardíaca crónica. Tras los resultados del proyecto piloto, ahora se plantean comercializar su tecnología.
Cuando un paciente recibe el alta de un hospital tras una larga estancia, lo razonable es que piense que no va a tener que volver a tratarse del mismo problema. Pero en muchas ocasiones ello se queda en un simple deseo. Según el estudio de la Universidad de Washington, el 20% de los pacientes con insuficiencia cardíaca crónica vuelve al hospital en los 30 días posteriores al alta. Y el 32% lo hace en los siguientes dos meses.
Reducir la tasa de reingresos supone una mejora importante de la calidad del servicio, de la salud de los pacientes y además representa un ahorro para los sistemas de salud. Estos factores son de especial interés en un momento en el que los sistemas de salud públicos se encuentran precarizados debido a los recortes.
Para crear los modelos predictivos se han manejado datos de 50.000 pacientes con modelos de 64 atributos por paciente, entre los que se encuentran datos clínicos (como constantes vitales o pruebas clínicas) y otros de carácter más personal, como información geográfica y las condiciones de vida.
El equipo de trabajo ha desarrollado una aplicación para móvil. Con los datos del paciente la aplicación calcula en tiempo real no sólo el riesgo de reingreso en menos de 30 días, sino que le informa de los principales factores asociados a su perfil de reingreso.
En los últimos meses se está trabajando en un sistema de recomendaciones personalizadas para el paciente que este puede seguir para minimizar su riesgo de reingreso. El sistema que están diseñando puede usarse en la fase previa a la hospitalización, durante la misma o posteriormente, con el objetivo de minimizar el riesgo de reingreso. Cuando el paciente introduce sus datos en la aplicación, el sistema se encarga de predecir el conjunto de recomendaciones personalizadas más adecuado para cada caso.
Además de la app para los pacientes, también se ha desarrollado una app móvil dirigida a los profesionales sanitarios. Los médicos pueden monitorizar las alertas de todos sus pacientes y profundizar en los datos para saber qué factores están produciendo las alertas, actuar sobre ellas y minimizar el riesgo de reingreso. Los modelos que han desarrollado se están usando actualmente en un sistema de hospitales en Seattle.
El ámbito sanitario es uno de los campos en los que más desarrollo pueden tener las tecnologías de Machine Learning. La simplificación, facilidad de uso y su bajo coste permite a cualquier empresa o sector usar una tecnología revolucionaria.
