El equipo de McGill desarrolla IA para detectar la infección antes de que aparezcan los síntomas

Una plataforma de inteligencia artificial desarrollada por investigadores de la Universidad de McGill puede predecir con precisión la inflamación sistémica aguda incluso antes de que aparezcan los primeros síntomas, en función de los datos proporcionados por varias tecnologías portátiles.

Esto podría algún día permitir que los médicos aborden el problema días antes, particularmente en pacientes cuya salud ya es frágil y para quienes una nueva infección podría tener graves consecuencias.

Esta tecnología también podría reducir los costos del sistema de salud al evitar complicaciones y hospitalizaciones.

“Estábamos muy interesados en ver si los datos fisiológicos medidos utilizando sensores portátiles (…) podrían usarse para capacitar a un sistema de inteligencia artificial capaz de detectar infecciones o enfermedades resultantes de la inflamación”, explicó el autor principal del estudio, el profesor Dennis Jensen, del departamento de kinesiología y educación física de la Universidad de McGill, que discutió su trabajo con la prensa canadiense.

“Nos preguntamos si podríamos detectar cambios tempranos en la fisiología, y a partir de ahí predecir que alguien está a punto de enfermarse”.

El modelo de inteligencia artificial desarrollado por el profesor Jensen y sus colegas utiliza datos biométricos generados por un anillo inteligente, reloj inteligente o ropa inteligente para predecir con precisión la inflamación sistémica aguda, una respuesta inmune temprana a las infecciones del tracto respiratorio viral.

Aunque es un mecanismo de defensa natural del cuerpo que generalmente no se resuelve a sí mismo, esta inflamación puede causar graves problemas de salud, especialmente en poblaciones con afecciones de salud preexistentes.

“Es como un iceberg”, el profesor ilustrado Jensen, quien asegura que este modelo es el único en el mundo que usa tales medidas fisiológicas y no síntomas, para detectar un problema. “Una vez que el hielo se agrieta en la superficie, los síntomas han comenzado y es un poco tarde para comenzar a tratar”.

Experiencia

Los investigadores de McGill administraron una vacuna contra la influenza atenuada a 55 adultos sanos para simular la infección. Los sujetos fueron monitoreados desde siete días antes de la inoculación a cinco días después.

Los participantes también usaban, simultáneamente y durante la duración del estudio, un anillo conectado, reloj y ropa para monitorear continuamente varios parámetros y actividades fisiológicas, incluida la frecuencia cardíaca, la variabilidad de la frecuencia cardíaca, la temperatura corporal, la frecuencia respiratoria, la presión arterial, la actividad física y la calidad del sueño.

Los investigadores también midieron biomarcadores de inflamación sistémica utilizando muestras de sangre repetidas, realizaron pruebas de PCR para detectar la presencia de patógenos respiratorios y utilizaron una aplicación móvil para recolectar síntomas informados por los participantes, se explicó en un comunicado de prensa.

En total, se recopilaron más de dos mil millones de puntos de datos para entrenar algoritmos de aprendizaje automático. Se desarrollaron diez modelos de IA diferentes, pero los investigadores finalmente decidieron retener solo el modelo que utilizó la menor cantidad de datos para el resto del proyecto.

Este modelo detectó correctamente casi el 90 por ciento de los casos positivos reales y se consideró más práctico para el monitoreo diario.

Individualmente, dijo el profesor Jensen, ninguna de las medidas fisiológicas o de actividad que provienen del anillo, el reloj o la camiseta son lo suficientemente sensibles como para detectar cómo responde el cuerpo.

“Un aumento en la frecuencia cardíaca por sí sola puede ser solo dos latidos por minuto, y eso no es realmente clínicamente relevante”, explicó. “La disminución de la variabilidad de la frecuencia cardíaca puede ser muy modesto. El aumento de la temperatura puede ser muy modesto. Por lo tanto, la idea era que al observar medidas multimodales o varias medidas diferentes, podríamos identificar cambios sutiles en la fisiología”.

Sorprendentemente, los algoritmos también detectaron con éxito la inflamación sistémica en cuatro participantes infectados con SARS-CoV-2 durante el estudio. En cada caso, los algoritmos informaron la respuesta inmune hasta 72 horas antes del inicio de los síntomas o la confirmación de la infección mediante pruebas de PCR.

En última instancia, los investigadores esperan desarrollar un sistema que informe al paciente sobre la posible inflamación para que puedan comunicarse con su proveedor de atención médica.

“En medicina decimos que tiene que proporcionar el tratamiento adecuado a la persona adecuada en el momento adecuado”, dijo el profesor Jensen.

Por lo tanto, es crucial abordar el problema lo antes posible, ya sea un resfriado o cáncer simple, “porque una vez que aparecen los síntomas, comienza a llegar tarde”, dijo.

Al expandir la ventana terapéutica dentro de la cual se puede realizar la intervención, agregó, se podrían salvar vidas y se podrían lograr un ahorro significativo en los costos evitando las hospitalizaciones y permitiendo el manejo de problemas crónicos o incluso envejeciendo en el hogar.

“En cierto modo, esperamos revolucionar la medicina personalizada”, concluyó el profesor Jensen.

Los resultados de este estudio se publicaron en la revista The Lancet Digital Health.

–Este informe de La Presse Canadienne fue traducido por CityNews