Un nuevo sistema de inteligencia artificial podría predecir cuándo es probable que mueran las personas

Un nuevo sistema de inteligencia artificial podría predecir cuándo es probable que mueran las personas

Fuente: Asesor de Neurología

Llegan inesperadamente y sin previo aviso, y el pensamiento que late en tu cabeza, «¿por qué ahora?» se desvanece en el sombrío conocimiento de que este podría ser el final de tu vida. Hasta ahora, bien.

Según un estudio reciente publicado en la revista Heart, un nuevo algoritmo de inteligencia artificial (IA) de aprendizaje automático puede predecir con precisión la probabilidad de un paro cardíaco (ataques cardíacos) utilizando información sobre el tiempo y el clima.

Es importante recordar que la última aplicación de aprendizaje automático no determina cuándo morirán las personas por un paro cardíaco. Simplemente pronostica cuándo aumentará el riesgo de un ataque cardíaco.

A nivel local, se entrenó y probó la IA de aprendizaje automático.

El aprendizaje automático es el estudio de algoritmos computacionales basados en la idea de que los sistemas pueden aprender y desarrollarse a partir de datos mediante la búsqueda de patrones y la adaptación con poca o ninguna interacción humana. El estudio descubrió que el riesgo de paro cardiaco fuera del hospital era mayor los domingos, los lunes, después de aumentos repentinos de temperatura durante o entre días, y en días festivos.

Según los investigadores, los últimos resultados podrían actuar como un dispositivo de alerta temprana, reduciendo el riesgo de incidentes mortales y aumentando las probabilidades de supervivencia, además de mejorar la capacidad de los proveedores médicos de emergencia para planificar para circunstancias graves. Esto es notable porque los paros cardíacos extrahospitalarios están muy extendidos en todo el mundo y, por lo general, se asocian con bajas tasas de supervivencia. Las condiciones climáticas empeoran aún más el riesgo. Los datos climatológicos son extremadamente complejos, pero los investigadores japoneses creen que el aprendizaje automático puede, en última instancia, descubrir correlaciones que los métodos matemáticos convencionales o unidimensionales no pueden.

Para ampliar el estudio, los científicos evaluaron la capacidad del aprendizaje automático para predecir paros cardíacos regulares fuera del hospital en función del espaciamiento, como el año, la estación, el día de la semana, la hora del día o los días festivos, así como el clima diario, como la humedad relativa, las nevadas, las precipitaciones, la temperatura, la velocidad del viento, la nubosidad y las lecturas de presión atmosférica. Entre 2005 y 2013, ocurrieron 1.299.784 eventos, y el aprendizaje automático se utilizó para 525.374 de ellos como conjunto de datos de prueba, utilizando datos de tiempo, datos meteorológicos o ambos. Estos hallazgos se compararon con 135.678 casos entre 2014 y 2015 para evaluar la capacidad del modelo para predecir el número estadístico de paros cardíacos diarios en los próximos años.

Una nueva tecnología de inteligencia artificial incorpora datos de temperatura y tiempo para pronosticar la probabilidad de paros cardíacos fuera del hospital.

Para determinar la precisión de este método a nivel local, los investigadores realizaron un «estudio de mapa de calor», que utilizó un conjunto de datos separado tomado de paros cardíacos fuera del hospital en Kobe entre enero de 2016 y diciembre de 2018. Cuando se combinaron los datos meteorológicos y de tiempo, se descubrió que los pronósticos de paro cardíaco para incidentes extrahospitalarios eran muy precisos tanto para los conjuntos de datos de pruebas como para los de enseñanza. La combinación de datos meteorológicos y cronometrados creó los «puntos calientes» de paros cardíacos los domingos, lunes, bajas temperaturas, aumentos rápidos de temperatura, invierno y días festivos.

Los investigadores, sin embargo, no parecen proporcionar un conocimiento detallado sobre la ubicación de los ataques cardíacos fuera de Kobe, y carecen de evidencia sobre personas con afecciones médicas preexistentes. Ambas circunstancias extraordinarias pueden haber influido en sus resultados. «Dado que este análisis tuvo un tamaño de muestra amplio y utilizó evidencia climatológica detallada, nuestro modelo estadístico para la ocurrencia diaria de [paro cardíaco fuera del hospital] es ampliamente generalizable para la población general de los países en desarrollo», escribieron los investigadores en un comunicado embargado compartido con Interesting Engineering.

«Los enfoques construidos en este estudio sirven como ejemplo de un enfoque moderno de análisis predictivo que podría extenderse a otros resultados clínicos preocupantes relacionados con la enfermedad cardiovascular aguda potencialmente mortal», concluyeron los investigadores. «En el futuro, este modelo de pronóstico podría ser útil para evitar [un paro cardiaco fuera del hospital] y mejorar el diagnóstico de los pacientes a través de un mecanismo de alerta para las personas y [los servicios de atención de emergencia] en los días de alto riesgo».

Es importante tener en cuenta que esta investigación no promete un método para predecir cuándo morirán las personas por un paro cardíaco. La nueva IA de aprendizaje automático simplemente determina cuándo la probabilidad de desarrollar un ataque cardíaco es alta, dado el hecho de que es una de las principales causas de muerte. Teniendo esto en cuenta, las posibles implicaciones médicas, tecnológicas y personales para mejorar el ser humano son enormes.

Artículos recomendados

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *