El nuevo modelo predictivo EWA ayuda a mejorar la atención de pacientes críticos ingresados en la UCI

“EWA (Ensemble Weighted Average) es un modelo predictivo de pronóstico de aprendizaje automático (machine learning) que tiene la particularidad de no ser rígido, sino que autoaprende mediante unos algoritmos informáticos a partir de una base de datos actualizada”, explica la Dra. Rosario Delgado, del Departamento de Matemáticas, de la Universidad Autónoma de Barcelona, líder de un estudio sobre un nuevo modelo matemático que evalúa el riesgo de muerte de los pacientes de las UCIs, publicado en la revista Artificial Intelligence in Medicine.

“Este modelo predictivo estima el riesgo de muerte de los pacientes en la UCI, a partir de sus características, que incluyen la puntuación APACHE además de otras variables que van más allá de las primeras 24h”, añade la Dra. Delgado. 

Pero ¿conocer la predicción de mortalidad prematura supone poder prevenir complicaciones? Como explica otro de los autores del estudio, el Dr. Juan Carlos Yébenes, director de la UCI del Hospital de Mataró, “los modelos predictivos no se construyen para sustituir el criterio clínico del especialista sino como herramientas útiles para ayudarle, entre otras cosas, a detectar factores pronósticos asociados a una peor evolución de los pacientes (factores de riesgo), lo que permite actuar con mayor celeridad en subgrupos de pacientes con un determinado perfil”.

Los modelos predictivos también se utilizan habitualmente como herramienta descriptiva de la severidad de los pacientes, lo que permite comparar poblaciones de pacientes de diferentes estudios, ajustar costes a la severidad, estimar mortalidad esperada o monitorizar los resultados obtenidos en un grupo de pacientes comparando la mortalidad observada con la mortalidad esperada según el modelo predictivo. “De esta manera, en el caso de que los resultados obtenidos sean peores de los esperados, se ve la necesidad de estudiar aquellos aspectos del circuito asistencial que pudiesen no estar funcionando adecuadamente”, indica el Dr. Yébenes.

Como ejemplo del uso de este tipo de modelo predictivo, el Dr. Yébenes explica que diferentes UCIs implementan el sistema experto basado en el modelo EWA que, al aprender a partir de cada una de las bases de datos, da lugar a sendos modelos adaptados a cada una de las UCIs. “Se puede considerar un paciente tipo, por ejemplo, una neumonía con shock séptico en un paciente de 72 años sin comorbilidades. Cada uno de los modelos predictivos EWA adaptados a las diferentes UCIs dará una predicción diferente de la probabilidad de sobrevivir, lo que permitirá hacer una comparativa de los servicios de las unidades de cuidados intensivos”.

Ventajas sobre el modelo APACHE

El uso de este modelo representa una clara mejora respecto a la aproximación tradicional que predice el riesgo de mortalidad mediante la puntuación APACHE (Acute Physiology And Chronic Health Evaluation). Este modelo predictivo habitual, basado en un cuestionario ampliamente utilizado, se construyó a partir de una base de datos correspondiente a una población, mediante la técnica de la regresión logística y permite identificar el riesgo asociado para cada variable clínica, bioquímica, demográfica o de comorbilidad identificada durante las primeras 24h de estancia en UCI. A partir del riesgo asociado observado en aquella población concreta, se asignó una puntuación para cada valor, por ejemplo, la edad entre 45 y 55 años, la tensión arterial sistólica por debajo de 100, el valor del ionograma o tener cirrosis hepática como enfermedad de base.

“El problema es que este modelo está basado en una base de datos que tiene más de 40 años y no se actualiza ni adapta a las diferentes zonas geográficas y, por lo tanto, no recoge cambios en la esperanza de vida para determinadas franjas de edad o comorbilidades, ni mejoras asistenciales que han mejorado el pronóstico del shock, la insuficiencia respiratoria o renal o el coma, por ejemplo”, puntualiza el Dr. Yébenes.

En el artículo se propone una mejora elemental del modelo APACHE: construir un nuevo modelo usando la misma técnica, es decir, la regresión logística, pero a partir de una base de datos actualizada de los pacientes UCI de la zona de interés. “Uno de los puntos fuertes del modelo EWA que construimos es que tiene mejor comportamiento desde el punto de vista predictivo, tanto respecto del modelo habitual basado en la puntuación APACHE, como respecto del modelo de mejora que proponemos en el mismo artículo”, añade la Dra. Delgado. 

Otras ventajas son su flexibilidad y adaptabilidad a las características de cada UCI. Gracias a ello, “alimentando el modelo EWA con diferentes bases de datos se puede conseguir una comparativa objetiva entre diferentes unidades, así como estudiar el alcance de los cambios introducidos en una misma UCI, permitiendo evaluar las mejoras que se vayan implementando”, explica la Dra. Delgado.

Limitaciones del modelo EWA

“Pero ser un modelo novedoso y más complejo, puede representar un hándicap para intentar que se generalice el uso del modelo EWA entre los especialistas. Por otra parte, para ser usado directamente, es necesario tener conocimientos informáticos de programación. Por ello estamos desarrollando una aplicación web que sirva de interfaz de comunicación entre el usuario y el modelo, simplificando considerablemente su uso y contribuyendo de esa manera a que realmente se utilice en la práctica”, apunta la Dra. Delgado.

Otras aplicaciones del modelo predictivo EWA son la detección de ineficiencias de un circuito asistencial, si se analiza juntamente con el coste sanitario, y de mejoras asociadas a cambios organizativos o terapéuticos, así como la comparación de la calidad asistencial entre diferentes proveedores de salud. “En general, el uso de los modelos predictivos como el EWA ayudan a mejorar la atención de los pacientes críticos ingresados en la UCI, que es un proceso complejo y costoso, contribuyendo al establecimiento de nuevos protocolos (y a su evaluación posterior) y a mejorar la gestión de los recursos disponibles, tanto materiales como de personal”, concluye el Dr. Yébenes.