Un innovador algoritmo de aprendizaje automático es capaz de predecir crisis de salud mental antes de que ocurran

Koa Health, proveedor global de soluciones digitales de atención de la salud mental, y Birmingham and Solihull Mental Health NHS Foundation Trust, entidad encargada de brindar un servicio integral de atención de la salud mental a los residentes de Birmingham y Solihull (Reino Unido), han anunciado los resultados de un innovador algoritmo de aprendizaje automático que es capaz de predecir con exactitud las crisis de salud mental, antes de que estas sucedan.

Los resultados del estudio, que ha contado con la participación de la Universitat Pompeu Fabra de Barcelona (UPF), sugieren que esta tecnología podría permitir una intervención temprana y mejorar los resultados de los pacientes.

Koa Health desarrolló un modelo de aprendizaje automático que utiliza registros de salud electrónicos anónimos para monitorear continuamente a los pacientes en busca de riesgo de una crisis de salud mental. De esta forma, se ha encontrado que el modelo predice correctamente más de la mitad de las crisis con 28 días de anticipación, sin una tasa considerable de falsos positivos.

Un estudio posterior de seis meses evaluó el uso del algoritmo de Koa Health en la práctica clínica. En este se demostró que en hasta el 64% de los casos el modelo resultó clínicamente valioso, ya sea en términos de gestión de casos o de mitigación del riesgo de crisis.

Roger Garriga, estudiante de doctorado del Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF, es el primer autor de la investigación, la cual se ha publicado en la revista Nature Medicine. Según explicó Garriga, “hemos analizado las historias clínicas electrónicas de más de 17 mil pacientes de salud mental para desarrollar un modelo de aprendizaje automático que predice las próximas crisis de salud mental en las cuatro semanas siguientes. Nuestro algoritmo fue diseñado para proporcionar una puntuación de riesgo actualizada semanalmente para todos los pacientes con un historial de recaídas para apoyar decisiones clínicas con una ventana de tiempo suficiente para que los médicos apliquen medidas preventivas. Esta investigación muestra cómo la colaboración entre los científicos de datos y los profesionales de la salud puede conducir a la atención preventiva teniendo un gran impacto en la vida de los pacientes".

Por su parte, el doctor Oliver Harrison, director ejecutivo de Koa Health, señaló que “queremos pasar de una atención reactiva, impulsada por la crisis, a una atención proactiva, impulsada por la predicción y la prevención. Hemos obtenido resultados sobresalientes en esta prueba y esperamos continuar con el trabajo de desarrollo. Creemos que este es el futuro de la atención de la salud mental en el Reino Unido y en todo el mundo”.

Asimismo, el doctor Aleksandar Matic, director de I+D de Koa Health, aseguró que “la prevención es ampliamente vista como el 'santo grial' del tratamiento de los problemas de salud mental. El uso de IA para predecir crisis de salud mental puede permitir intervenciones oportunas y proactivas en lugar de reactivas para mitigar o prevenir crisis de salud mental y ayudar realmente tanto a los pacientes como a los sistemas de atención médica. Proporcionar la intervención adecuada en el momento adecuado se encuentra en el centro del enfoque de Koa”.

Algoritmo de aprendizaje automático único

Para elaborar este estudio, Koa Health ha utilizado datos de registros de salud electrónicos y anónimos, recopilados durante siete años, de 2012 hasta 2018, de 17.122 pacientes. Usando los datos, Koa Health ha podido desarrollar un algoritmo de aprendizaje automático único que ha utilizado para evaluar con qué precisión se puede predecir el riesgo de una crisis de salud mental, definida como la aparición de síntomas graves que requieren recursos de atención médica sustanciales.

Koa Health evaluó el algoritmo de predicción de crisis en la práctica clínica desde noviembre de 2018 hasta mayo de 2019. Las predicciones de crisis se entregaron cada dos semanas a 60 médicos, quienes evaluaron si dichas predicciones les ayudaban a administrar las prioridades de carga de casos y a mitigar el riesgo de crisis. Según informaron, las predicciones eran clínicamente valiosas en el 64% de los casos.