El I3PT desarrolla un modelo de inteligencia artificial para diagnosticar la asincronía de flujo en pacientes críticos
- Etiquetas de publicación:
- Asincronía
- IA
- aprender
- Ventilación Mecánica
- Publicado en:
- Noticias
- Oriol Capell
- sin comentarios
- El algoritmo es capaz de reconocer patrones en las señales de respiración del paciente a partir de casos aprendidos anteriormente
- Su implementación permitirá detectar y clasificar a tiempo un tipo de asincronía muy lesiva para el pulmón que actualmente está infradiagnosticada
Cuando un paciente no puede respirar de forma efectiva y debe ser conectado a un ventilador mecánico, es importante que el ritmo de su respiración y el de la máquina estén sincronizados. Sin embargo, a menudo el paciente necesita más aire del que la máquina le está dando en ese momento, bien sea por un flujo de aire insuficiente o por un esfuerzo inspiratorio elevado. Esta descoordinación entre el paciente y el ventilador se llama asincronía de flujo y si no es detectada a tiempo, puede ser muy lesiva para el pulmón.
Aún hoy, la única forma que tienen los profesionales de la UCI de identificar este tipo de asincronía es mediante la inspección visual de las ondas del ventilador mecánico, lo que comporta que su diagnóstico clínico sea dificultoso y propenso a errores. “Con el método actual, la asincronía de flujo está muy infradiagnosticada. Los ventiladores no están preparados para avisar de forma automática cuando se está produciendo una y el equipo no puede estar pendiente de mirar a las ondas de la pantalla durante las 24 horas del día”, explica Cande de Haro, médica intensivista e investigadora del Instituto de Investigación e Innovación Parc Taulí (I3PT).
El intensivista Cande de Haro, investigadora principal del proyecto, en un box de UCI
Para solucionar este escenario, De Haro, junto con un equipo formado por personal investigador y asistencial de perfiles multidisciplinares, como médicos e ingenieros, del Instituto, ha desarrollado un modelo de inteligencia artificial supervisada para identificar y clasificar a tiempo la asincronía de flujo en el modo de ventilación mecánica de volumen control –caracterizado para entregar un volumen de aire constante a cada respiración. Éste algoritmo es capaz de reconocer patrones en las señales de respiración del paciente a partir de casos que ha aprendido anteriormente, y de esta manera detectar cuándo se está produciendo una mala interacción paciente-ventilador y el nivel de gravedad de la asincronía.
“Nuestro modelo utiliza técnicas avanzadas de aprendizaje profundo (Aprendizaje profundo) Que imitan el funcionamiento del cerebro humano y pueden aprender patrones complejos a partir de datos que previamente le hemos dado”, detalla Verónica Santos, ingeniera del I3PT y una de las personas encargadas de configurar el modelo. Cada uno de estos datos corresponde a un ciclo de ventilación mecánica durante una asincronía de flujo y está etiquetada en función de su gravedad. A lo largo del entrenamiento, el algoritmo ha analizado y memorizado más de 6.500 ciclos distintos.
La ingeniera Verónica Santos, una de las personas encargadas de desarrollar y entrenar el algoritmo
Con el objetivo de garantizar la fiabilidad y precisión del modelo, se ha llevado a cabo un estudio multicéntrico y observacional con pacientes críticos adultos conectados a ventilación mecánica durante más de 24 horas para obtener un conjunto de datos amplio y representativo de dos hospitales diferentes: el Hospital Universitario Parc Taulí y el St. Michael's Hospital de Toronto. Asimismo, se ha contado con cinco expertos en cuidados intensivos para clasificar y etiquetar cada uno de los ciclos, asegurando así que las etiquetas utilizadas para entrenar el modelo sean precisas y confiables. También se han realizado análisis de métricas de rendimiento para testar la efectividad del modelo y un subanálisis de presión esofágica.
Un modelo con recorrido
Uno de los principales retos del equipo es la validación de este modelo en otros modos de ventilación mecánica, como el de presión control –caracterizado por mantener una presión de aire constante en los pulmones del paciente. “Antes de incorporar el algoritmo en la práctica clínica, queremos asegurarnos de que es capaz de adaptarse y funcionar de forma correcta en otros modos de ventilación muy frecuentes”, señala De Haro. Una vez se consiga esto, apunta, “la intención será pensar en cómo implementarlo en los ventiladores como una alerta automática y en plataformas como mejorcuidado, una spin-off del Parc Taulí con la que colaboramos y que ya analiza asincronías con algoritmos desarrollados previamente por nosotros”.
Deje un comentario