El Sistema de Ayuda a la Decisión Clínica permitirá, conocer el posible nivel de gravedad e intervenir anticipadamente ante la previsión, por ejemplo, de una insuficiencia respiratoria aguda.

El Instituto de Investigación Sanitaria INCLIVA, del Hospital Clínico de Valencia, y el Instituto de Investigación del Hospital Universitario 12 de Octubre de Madrid i+12 de Madrid participan en el desarrollo de un nuevo sistema de Inteligencia Artificial (IA) y aprendizaje automático liderado por la Universitat Politècnica de València (UPV), que facilitará el pronóstico y la estimación de la evolución de pacientes con COVID-19, en el momento del ingreso hospitalario y resulta especialmente útil ante rebrotes del virus.

El Sistema de Ayuda a la Decisión Clínica permitirá, mediante la combinación de síntomas, comorbilidades y pruebas de laboratorio, conocer el posible nivel de gravedad e intervenir anticipadamente ante la previsión, por ejemplo, de una insuficiencia respiratoria aguda.

"Desde un punto de vista clínico, el contar con herramientas de Inteligencia Artificial que sean capaces de predecir, en fases tempranas de la enfermedad, cuál va a ser el devenir de la misma, constituye un elemento crucial en la lucha contra la enfermedad. En aquellos casos en los que se prevé mayor gravedad, se podrían instaurar tratamientos de manera más precoz, con el objetivo final de reducir los ingresos en UCI y la mortalidad", asegura Rafael Badenes, del Grupo de Investigación en Anestesia de INCLIVA, Jefe de la Sección de Anestesia del Hospital Clínico de Valencia y profesor de la UV.

El desarrollo de esta herramienta se enmarca en el 'Proyecto SUBCOVERWD-19', que ha sido uno de los seleccionados en la convocatoria del Fondo Supera COVID-19, impulsada por Crue Universidades Españolas, Banco Santander, a través de Santander Universidades, y el Consejo Superior de Investigaciones Científicas (CSIC).

Según explica Juan Miguel García-Gómez, coordinador del BDSLab-ITACA de la UPV, el aprendizaje automático tiene el potencial de ayudar en esta tarea mediante la aplicación de técnicas de aprendizaje no supervisado y supervisado a los Registros de Salud Electrónicos (EHR) de los hospitales. Estas técnicas permiten extraer los patrones más significativos del historial de comorbilidad del paciente, los síntomas y las pruebas de laboratorio en el momento del ingreso, hasta sus últimos datos de la Unidad de Cuidados Intensivos (UCI), que pueden conducir a una estratificación temprana del paciente y a la predicción de su gravedad.