• 

Investigadores de la Universidad de Stanford, en Estados Unidos, han demostrado cómo un programa informático que utiliza los datos del control hospitalario rutinario en las primeras tres horas de la vida de un bebé predice la probabilidad de futuras enfermedades, infecciones y problemas cardíacos que podrían no aparecer hasta varias semanas después. Los resultados del trabajo se publican en Science Translational Medicine.

El programa, denominado PhysiScore, podría ayudar a los médicos a distinguir mejor entre los prematuros de alto y bajo riesgo, uno de los principales desafíos en el área de neonatología.

La posibilidad de predecir la salud de los prematuros más pequeños determina qué tipo de cuidados recibirán y si un niño debería permanecer en las unidades de cuidados intensivos locales o ser transferido a un centro especializado para un tratamiento más intenso. A diferencia de otros métodos actuales de predicción, el PhysiScore puede utilizarse de forma automática en los monitores hospitalarios sin utilizar agujas u otras técnicas invasivas.

Los bebés prematuros pasan por una monitorización cardiorrespiratoria minutos después del parto. Los monitores muestran y almacenan de forma continua los signos vitales del bebé, incluyendo la tasa cardíaca, la tasa respiratoria y la cantidad de oxígeno en la sangre. El control de los signos vitales se produce desde el paritorio a la unidad de cuidados intensivos neonatal y hasta la baja hospitalaria o después de ello si es necesario.

Rastreo de signos vitales

En el trabajo, dirigido por Suchi Saria, los investigadores desarrollaron un algoritmo informático que rastrea los datos de signos vitales en busca de combinaciones de patrones demasiado complejos para ser detectados por los humanos.

Los autores analizaron los datos hospitalarios de 145 bebés y descubrieron que estos patrones, combinados con información como el peso al nacer y la edad gestacional, ayudaban a distinguir entre los prematuros de alto riesgo de aquellos con un riesgo más bajo de forma mucho más exacta que los modelos tradicionales.

Según los investigadores, con tres horas de datos, PhysiScore predecía si los bebés se encontraban en la categoría de alto o bajo riesgo con una exactitud de entre el 91% y el 98% frente a las predicciones estándar, que se encuentran entre el 69% y el 74%.

Para los autores, el uso de técnicas informáticas que permiten interpretar patrones en los datos del paciente, podrían mejorar la atención sanitaria en casos como la recuperación tras una cirugía.