En el artículo anterior, expliqué cómo la IA juega un papel importante para la detección de la cardiopatía isquémica, y que se presentan ciertos retos tecnológicos importantes que habrá que tener en cuenta:
• Gran parte de la información almacenada en la Historia Clínica Electrónica (HCE), como los antecedentes personales, el evolutivo, etcétera, está escrita en lenguaje natural y por lo tanto ni está codificada, ni es explotable por los sistemas de Machine Learning.
• La interpretación de los electrocardiogramas (ECGs) se hace por profesionales altamente entrenados, que no siempre se encuentran disponibles en la urgencia, por lo que habrá que desarrollar algoritmos de DeepLearning y redes neuronales para ofrecer un soporte al diagnóstico que complemente su experiencia, minimizando el nivel de falsos positivos.

Consultora en Transformación Digital e IA en Ibermática Digital.

Riesgos neonatales en cifras
Los partos prematuros, las complicaciones relacionadas con el parto, las infecciones y los defectos congénitos ocasionan, según la Organización Mundial de la Salud (OMS), 2,4 millones de muertes en todo el mundo, lo que representa un 47% de todas las muertes de menores de 5 años, poniendo además en alto riesgo la salud de la madre.

Por esta razón, la OMS publicó una guía de recomendaciones para mejorar la calidad de la atención prenatal, más eficiente. El objetivo, poder brindar a las mujeres una experiencia positiva durante la gestación y poder detectar y prevenir enfermedades que pudieran derivar en muertes prenatales, complicaciones de embarazo, o que en etapas precoces del feto pudieran desarrollar enfermedades como obesidad, diabetes mellitus, hipertensión arterial, asca o una enfermedad cardiovascular, principal causa de muerte en el mundo.

¿Cuáles son los riesgos neonatales y de qué medios se disponen para su detección?
Según la teoría de programación fetal de Hales y Barker, la exposición a ciertos estímulos acontecidos durante la vida fetal puede ¨programar¨ la salud e impactar durante toda la vida de una persona.

La interacción entre los factores genéticos, edad, estilo de vida, enfermedades preexistentes, la exposición a contaminantes ambientales, y problemas intrauterinos adversos durante períodos críticos del desarrollo fetal, pueden provocar cambios precoces en el tejido renal del feto, el sistema cardiovascular o las vías neurológicas que controlan el apetito, pudiendo contribuir a un embarazo de alto riesgo e influir de manera permanente en la vida extrauterina, condicionando el riesgo individual de desarrollar estas enfermedades a lo largo de toda la vida posterior.

Factores de Riesgos durante el embarazo.

La evidencia científica pone de manifiesto que algunas de las alteraciones y enfermedades que ocurren, tanto en el periodo prenatal como en los primeros años de vida, son evitables, y que las consecuencias de gran parte de ellas pueden paliarse cuanto antes se proporcione un abordaje efectivo.

Lamentablemente, la búsqueda y seguimiento de todos los factores que impactan en dichos períodos (datos del genoma, nutricionales, psicológicos, sociales, medioambientales, de comportamiento, etc.) es muy incipiente, y supondría integrar una cantidad ingente de datos e intentar identificar patrones que, para el ojo humano, no son claramente discernibles. Aunque las nuevas tecnologías pueden ayudar a identificar nuevos factores predisponentes a complicaciones, hasta ahora no están identificados o no se han analizado correctamente, por lo que hay mucho por hacer en este aspecto.

Aplicando la IA en casos de uso reales
Ante esta situación, se están desarrollando proyectos de investigación enfocados a inquirir en diferentes tecnologías disruptivas, que permitan esclarecer, dentro de todas las fuentes de información disponibles, tanto en la fase prenatal de la madre y el feto, en el momento del parto y en los primeros años de vida del niño, cuáles son las variables principales que puedan resultar predictoras. Esto es muy importante a la hora de poder abordar qué riesgos van a estar expuestos en el futuro, y predecir resultados perinatales como el parto prematuro o el crecimiento intrauterino restringido. O ir más allá y predecir el riesgo de enfermedades metabólicas en la niñez, ofreciendo soporte a la decisión de minimización del impacto de dichos riesgos.

Estos sistemas de apoyo al diagnóstico clínico en urgencias serán la base para:
• Explotar la información obtenida mediante sistemas de Big Data para recopilar grandes cantidades de datos y buscar tendencias, permitiendo analizar y encontrar relaciones entre las variables de una manera más rápida y eficiente, posibilitando a su vez en el medio plazo crear herramientas de alto valor terapéutico que puedan utilizarse para conseguir un seguimiento más personalizado. Permitirían además crear modelos predictivos relacionando variables que pasarían de otro modo inadvertidas, para poder identificar los factores de riesgo obstétricos que se buscan para hacer frente a complicaciones y consecuencias a largo plazo en el embarazo en la mujer y el desarrollo del niño.

• Explotar la información de la Historía Clínica digital de las mujeres a nivel global antes del embarazo, del proceso de embarazo-parto-puerperio, del recién nacido, de las recetas electrónicas, de la información biométrica sobre las ecografías de la gestante, del registro del parto e información pediátrica de los primeros años de vida, etc. Esto permitirá establecer reglas de predicción diagnóstica que estratificarán a las madres en función del riesgo a presentar complicaciones. Con ello, mejorará el monitoreo en los niños con valores umbrales y valores de riesgo para cada una de las variables seleccionadas, facilitando que los diagnósticos sean más personalizados y se pueda determinar cuál ha sido la mejor terapia suministrada en pacientes similares, pudiendo de esta manera destinar de forma más eficiente los recursos sanitarios.

Retos tecnológicos para el desarrollo de soluciones aplicados a la cardiopatía isquémica
Para asumir los retos tecnológicos a los que nos enfrentamos en la identificación de complicaciones en el embarazo y posibles enfermedades a corto y largo plazo tanto en la madre como en el niño hay que tener en cuenta principalmente un punto:

• Aunque las fuentes de información existen y no son de alta calidad para desarrollar un modelo predictivo, habrá que realizar investigaciones para conseguir explotarla, ya que mucha de la información potencialmente relevante no está recogida de forma sistemática en los sistemas sanitarios. Un ejemplo es la información relevante que está registrada en lenguaje natural que, o son imágenes sobre el desarrollo fetal, gestacional o riesgo de prematuridad, o son medidas realizadas de forma manual, en base al expertise del clínico, o son fuentes externas que actualmente no se usan en sanidad, como las fuentes de Open Data con información como la contaminación que, como se ha investigado, la exposición a ciertos contaminantes en los primeros años de los niños puede provocar acumulación y en consecuencia enfermedades crónicas como alergias, asca o intolerancia.

En conclusión, para lograr un modelo de analítica avanzada que ayude a realizar un correcto seguimiento neonatal y en los primeros años de vida es necesario el desarrollo de nuevas tecnologías TIC en áreas como el tratamiento automatizado de imágenes, la codificación de información escrita en lenguaje natural, el uso de fuentes de datos diversas y muy heterogéneas, tanto relacionadas con la HCE, como externas como el Open Data, y la creación de modelos de analítica avanzada, que basados en estructuras Big Data permitan integrar, codificar y modelar la información en sistemas que ayuden de forma correcta a realizar la estratificación de grupos, y generar pautas y directrices de forma automatizada y personalizadas dirigidas a la prevención.