Hoy: 3 de diciembre de 2024
Un grupo europeo de investigadores ha comparado la capacidad de la Inteligencia Artificial (IA) y la de los modelos de regresión usados tradicionalmente para identificar los parámetros que predicen la evolución de los pacientes con dolencias del cuello. Su conclusión es que la IA ofrece resultados muy similares con la optimización de la predicción de la evolución de cada paciente. De esta forma, ayuda a individualizar el tratamiento óptimo en cada caso.
La naturaleza multifactorial de las dolencias cervicales hace que sea complejo predecir la evolución de un paciente individual. Sin embargo, identificar los parámetros que predicen esa evolución es clave. Permite tomar las decisiones clínicas más adecuadas para cada paciente concreto e individualizar su tratamiento.
Los investigadores han recogido los datos de 3.001 pacientes atendidos en la práctica clínica rutinaria de la sanidad española. Y han hecho el seguimiento de la evolución de los aspectos más significativos en esta dolencia: la intensidad del dolor, la intensidad del eventual dolor irradiado al brazo, y el grado de restricción que conlleva en las actividades diarias.
Asimismo, han recogido los datos de cada paciente sobre los 28 parámetros, cuya utilidad para predecir esa evolución se había sospechado o demostrado previamente. Después, han analizado los datos para identificar y comparar entre ocho algoritmos de IA y modelos de regresión tradicional. También cuáles tuvieron mejor capacidad predictiva de la evolución del dolor cervical, el dolor irradiado al brazo, y el grado de discapacidad de cada paciente durante los tres meses siguientes.
El resultado de esta investigación, publicado en la revista científica internacional Journal of Clinical Medicine, indica que el rendimiento de los algoritmos de IA es similar al de los métodos de regresión tradicionales. Es decir, los parámetros identificados con los distintos procedimientos dan lugar a modelos similares. Ya que estos tienen prácticamente la misma sensibilidad, especificidad, exactitud y precisión para predecir si un paciente concreto va a mejorar.
Sin embargo, aunque todos los algoritmos de IA identificaron los principales parámetros predictivos, el número total de los identificados por los distintos algoritmos fue distinto. Esto se debe a que algunos detectaron parámetros que otros desecharon, y los desechados por distintos algoritmos fueron diferentes.
Eso sugiere que, en el caso de la IA, usar varios algoritmos a la vez podría aumentar la confianza en la selección. Todos ellos coinciden en señalar que el factor con mayor valor para predecir la mejoría del dolor cervical y del dolor irradiado al brazo es una intervención neurorreflejoterápica (NRT) al paciente.
También coinciden en que, en el caso del grado de discapacidad, hay dos factores con mayor fuerza de asociación en la predicción de la evolución. Por una parte, que el paciente muestre imágenes radiológicas de “estenosis espinal” (lo que empeora su pronóstico) y, por otra, que se le realice una intervención NRT (lo que lo mejora).
La investigadora de la Unidad de Bioestadística Clínica del Instituto de Investigación Sanitaria Puerta de Hierro-Segovia de Arana y coautora del estudio, Ana Royuela, señala que “las herramientas basadas en IA son una gran ayuda a los métodos de análisis tradicionales. Complementando aspectos como el modelado de relaciones no lineales entre variables y reforzando los resultados obtenidos por ellos”.
En este sentido, el especialista de la Unidad de Espalda del Hospital HLA Universitario Moncloa y coautor del estudio, el doctor Francisco Kovacs, apunta que “optimizar la predicción de la evolución de cada paciente ayuda a individualizar el tratamiento óptimo en su caso”.
“Los parámetros que este estudio identifica como útiles para este fin tienen sentido clínico y coinciden con los resultados de estudios científicos previos. Lo que aumenta la confianza que requiere su uso en la práctica clínica habitual”, añade.
Los resultados de este estudio refuerzan la validez del pronóstico. Calculado por una aplicación que permite introducir los datos relevantes de cada paciente (demográficos, clínicos, radiológicos, etc.). Y que calcula su probabilidad de mejora y cómo aumenta esta en función de los tratamientos que se le apliquen en su caso concreto.
El estudio ha analizado la evolución de 3.001 pacientes atendidos por cervicalgia en la práctica clínica habitual. Trabajo que ha realizado en 47 centros sanitarios públicos, privados y concertados. Y que ha tenido lugar en 11 comunidades autónomas: Andalucía, Aragón, Asturias, Baleares, Castilla-León, Cataluña, Extremadura, Galicia, Madrid, Murcia y País Vasco.
En este análisis han participado investigadores pertenecientes al Departamento de Estadística de la Universidad Ludwig Maximilians de Múnich (Alemania); a la Escuela de Ciencias del Deporte, Rehabilitación y Ejercicio de la Universidad de Essex (Reino Unido); a la Unidad de Bioestadística Clínica del Instituto de Investigación Sanitaria Puerta de Hierro-Segovia de Arana, a la Unidad de Espalda Kovacs del Hospital HLA Universitario Moncloa, de Madrid, y a la Red Española de Investigadores en Dolencias de la Espalda.