Un proyecto recurre a la tecnología machine learning para tratar a pacientes en hemodiálisis
U n equipo de investigadores del Instituto de Investigación e Innovación Parc Taulí de Sabadell trabaja en una herramienta para prevenir posibles complicaciones derivadas de la fístula arteriovenosa.
Un grupo de investigadores del Servicio de Nefrología del Parc Taulí ha desarrollado un proyecto para implementar Inteligencia Artificial en la vigilancia de la fístula arteriovenosa para hemodiálisis. Se trata de una herramienta para prevenir posibles complicaciones para estos pacientes.
Estos pacientes en hemodiálisis necesita una conexión a la máquina desde su sistema vascular. Ésta puede ser un catéter o una fístula arteriovenosa, que es una conexión quirúrgica entre una arteria y una vena en el brazo para generar un flujo suficiente. Como el catéter puede generar frecuentemente complicaciones asociadas a infecciones o daño vascular, la fístula es la opción ideal.
Sin embargo, la fístula puede presentar problemas por déficit o exceso de flujo. En estos, sería necesario poder predecir la función de la fístula, aunque actualmente no se dispone de métodos que lo permitan.
Por este motivo, los investigadores de Par Taulí trabajan en un proyecto para generar un sistema de apoyo a la decisión clínica basado en el aprendizaje automático o machine learning. Mediante el uso masivo de datos de diversas fuentes -datos clínicos, biométricos, analíticos o de imágenes- se podría realizar una predicción personalizada para cada paciente, por un lado, del riesgo de fallo de la fístula y, por otro, de su potencial repercusión cardíaca.
Entrenar algoritmos
El equipo de investigadores llevaba mucho tiempo trabajando en innovación en diálisis hasta que finalmenbte han conseguido materializar su idea, y lo han hecho participando en una nueva edición del programa Bring It.
Con la información obtenida de más de un centenar de pacientes, el equipo de científicos ha desarrollado un prototipo con resultados prometedores cuyo objetivo es mejorar el entrenamiento de los algoritmos de inteligencia artificial con más pacientes y poder desarrollar una herramienta que esté preparada para ensayos clínicos y los trámites regulatorios pertinentes.