•  I
• a · A  I
• Accessibilitat  I
• Mapa web  I
• Cercar  I
• Directori

• ::  Sign in :: 

Un estudi desenvolupat per personal investigador de la Universitat Politècnica de València (UPV), pertanyent al grup BDSLab-ITACA i a l'Institut de Matemàtica Pura i Aplicada (IUMPA), s'ha convertit en un dels treballs de referència internacional per a l'aplicació de la intel·ligència artificial amb confiança al seguiment i gestió de la COVID-19.

Publicat en el Journal of the American Medical Informatics Association, en l'article, l'equip de la UPV demostra les limitacions que la variabilitat o heterogeneïtat de dades, quan aquestes provenen de múltiples fonts (com, per exemple, de diversos hospitals o països), poden tenir per a l'aplicació de la intel·ligència artificial de forma fiable. En l'article, exposa les claus sobre solucions potencials a aquestes limitacions. A més, partint d'aquest estudi, l'equip de la UPV ha desenvolupat noves eines que ajuden a descriure i classificar els/les pacients amb COVID-19.

“Els resultats del nostre estudi i de l'aplicació d'aquestes eines poden ajudar potencialment en l'avaluació clínica del pacient, i facilitar la classificació primerenca automatitzada –per nivell de risc– abans de l'ingrés hospitalari i després d'aquest. Fins i tot, poden ajudar a planificar l'assignació de recursos, i afavorir especialment aquells pacients que hagen de ser ingressats en la UCI”, apunta Carlos Sáez, investigador del grup BDSLab-ITACA de la Universitat Politècnica de València i coordinador de l'estudi.

Nous models predictius

El grup investigador del BDSLab-ITACA de la UPV, amb la col·laboració de l'institut INCLIVA de l'Hospital Clínic Universitari de València i l'institut iMas12 de l'Hospital 12 d’Octubre de Madrid, han desenvolupat també un model d'intel·ligència artificial per a la predicció primerenca de mortalitat, dins dels primers 30 dies des de l'ingrés en urgències, centrant la seua aplicació en l'estudi de la població adulta major de 50 anys. I una aplicació d'aprenentatge profund (deep learning) que ajuda a predir la gravetat en tots els grups d'edat, amb l'avantatge de poder funcionar fins i tot amb informació incompleta dels pacients, i oferint així una IA robusta i de confiança davant de problemes de qualitat de les dades.

“Els models predictius desenvolupats poden ajudar a la selecció del tractament més òptim per a cada pacient en funció del seu risc de mortalitat, com també a la planificació i gestió de recursos en escenaris de baixa disponibilitat d'aquests, i tot això de forma robusta davant potencials incerteses en la informació disponible”, apunta Carlos Sáez.

Tot aquest treball s'emmarca dins del projecte SUBCOVERWD-19, finançat pel Fons Supera Covid-19, impulsat per la CRUE Universitats Espanyoles, el Banco Santander, a través de Santander Universitats, i el Consell Superior d'Investigacions Científiques (CSIC).

Estudi a Mèxic

Finalment, el personal investigador de la UPV, a partir d'un estudi amb prop de 800.000 casos de COVID-19 aportats pel Govern de Mèxic, i en col·laboració amb el Centre d'Investigació Científica i d'Educació Superior d'Ensenada, han desenvolupat una nova tècnica d'investigació de subfenotips: divisió de poblacions de pacients en grups amb significat propi a partir de característiques clíniques.

Aquesta tècnica es basa en una IA exploratòria de metaclusterització, que permet obtenir de forma automàtica una gran quantitat de resultats a diferents nivells sociodemogràfics (per grups d'edat, per sexe, i la combinació d’aquests) que afavoreix la no-discriminació, i que, d'altra manera, caldria realitzar manualment, amb un major esforç, a més de presentar-los a la persona usuària d'una forma intuïtiva i detallada per a la seua exploració.

De l'aplicació d'aquesta tècnica en els casos de Mèxic, l'equip de la UPV conclou que l'edat cronològica no pot emprar-se com a factor de risc de gravetat per si mateixa, sinó que ha d'anar acompanyada sempre de comorbiditats i, fins i tot, hàbits (edat fisiològica).

“Vam veure també que, amb unes condicions clíniques equivalents, les dones tenen una major taxa de recuperació que els homes i, entre la població d'edat avançada, són els majors de cent anys els que millor es recuperen. I constatem, a més, que hi ha una important variabilitat en les taxes de recuperació entre els diferents estats de Mèxic i, també, en funció de la institució clínica”, conclou Carlos Sáez.

Tots els models desenvolupats pel grup investigador de la UPV i els resultats de les seues aplicacions estan disponibles en http://covid19sdetool.upv.es i en https://covidcalculator.upv.es.