El avance representa una esperanza para las personas privadas de la percepción sensorial de los cambios físicos a través de la piel.

Cuando se acumulan toxinas en la sangre y hay desequilibrio de líquidos en el cuerpo, los riñones empiezan a fallar ocasionando una insuficiencia o daño renal repentino conocida bajo el nombre de lesión renal aguda.

Se trata de un síntoma que suele aparecer dentro de la primera semana luego de sufrir quemaduras graves por una reanimación inadecuada, aunque también durante las primeras 24 horas críticas.

La lesión renal aguda ocurre en alrededor del 30 por ciento de los casos, y lo que es peor, tiene una tasa de mortalidad del 80 por ciento, lo cual la convierte en una condición sumamente letal para los pacientes.

Hasta ahora, los médicos diagnostican la lesión renal aguda por medio de biomarcadores tradicionales como la creatinina sérica/plasmática y la producción de orina, sin embargo, estos siguen siendo deficientes en esta tarea.

Es por ello que un grupo de investigadores del Centro de Salud UC Davis decidieron abordar la deficiencia del diagnóstico y elaboraron un modelo de Inteligencia Artificial/Aprendizaje Automático (AI / ML) que promete predecir la lesión renal aguda con mayor precisión y rapidez.

Un biomarcador prometedor para diagnosticar lesión renal aguda

La lesión renal aguda es un síntoma común que aparece poco después de sufrir quemaduras graves.

El Centro de Salud UC Davis fue el primero en identificar un nuevo biomarcador conocido como lipocalina asociada a gelatinasa de neutrófilos (NGAL) en la aparición temprana de la lesión renal aguda en pacientes con quemaduras severas, según indicó Nam Tran, profesor clínico asociado del Departamento de Patología y Laboratorio de Medicina en la institución.

Sin embargo, su interpretación requería de expertos clínicos y expertos de laboratorio y no estaba disponible en los Estados Unidos. Al ver esto, los entusiastas de UC David desarrollaron un modelo de aprendizaje automático de inteligencia artificial para facilitar la interpretación de los resultados de la prueba NGAL.

Los investigadores probaron su modelo con datos clínicos de laboratorio de 50 pacientes adultos que habían sufrido quemaduras a los que se les midieron los niveles de creatinina y NT-proBNP, NGAL y producción de orina en las primeras 24 horas de ingreso.

La mitad de los pacientes estudiados presentaron lesión renal aguda en la primera semana después del ingreso al centro de salud, y ello concordó con los resultados obtenidos por el modelo propuesto. Los modelos que contienen datos de NGAL, creatinina, producción de orina y NT-proBNP lograron una precisión del 90-100 por ciento para predecir la condición, mientras que los modelos a los que se les introdujo únicamente información sobre NT-proBNP y creatinina alcanzaron una precisión del 80-90 por ciento.

Los biomarcadores tradicionales predijeron la lesión renal aguda en un tiempo promedio desde el ingreso hasta el momento del diagnóstico de 42.7 horas. En cambio con el nuevo algoritmo de aprendizaje automático fue apenas de 18.8 horas, mostrando mucha más rapidez que el primero.

Hooman Rashidi, profesor del Departamento de Patología y Medicina de Laboratorio de UC Davis Health, lo confirmó:

“Construimos un poderoso modelo de aprendizaje automático a través de nuestro enfoque k-Nearest Neighbor que es capaz de predecir con precisión la lesión renal aguda en nuestra población de pacientes en un período mucho más corto. Sobre la base de los datos de admisión, el modelo puede reducir el tiempo de diagnóstico hasta en dos días”.

Esta diferencia de más de un día completo representa un tiempo de ventaja y una posibilidad de prevenir y tratar la lesión renal aguda con mayor eficiencia.

Utilidad del nuevo modelo para predecir lesión renal aguda

Este nuevo algoritmo AI/ML es especialmente útil en el campo militar, puesto que permite predecir si algún soldado es propenso de sufrir lesión renal aguda. Así se obtiene más tiempo para trasladarlo a un centro de salud en donde puedan atenderlo.

La detección temprana, o predicción de los pacientes propensos a desarrollar la condición, brinda más tiempo a los doctores para abordar la situación. Pero como comenta Tina Palmieri, profesora y directora del Centro Regional de Quemaduras del Instituto de Quemados de Bomberos en el Centro Médico de UC Davis, más allá de eso, si pueden predecir si un paciente sufrirá o no lesión renal aguda, también podrían tomar medidas tempranas para prevenirla.

“La capacidad de predecir AKI en pacientes con quemaduras que utilizan la IA es un avance potencial para los centros de quemaduras. Si podemos decir que un paciente podría tener una lesión renal, podemos establecer medidas para prevenirla”.

Además, este nuevo modelo también acaba con la dificultad de la necesidad de personal especializado para el estudio del biomarcador lipocalina asociada a gelatinasa de neutrófilos. Ahora con pocos resultados de laboratorio entre los cuales se incluye este biomarcador también, el algoritmo se encargará de predecir con mayor precisión quiénes podrían sufrir la lesión renal aguda, según las declaraciones de Tran.

“Para nuestro estudio, AI/ML ha demostrado la utilidad clínica potencial para predecir la LRA relacionada con quemaduras cuando se usan solo unos pocos resultados de laboratorio de rutina”.

Pero su utilidad trasciende los límites mencionados, y tiene aplicación incluso en la milicia. Partiendo del hecho de que las tropas militares no tienen instalaciones para manejar este tipo de lesiones, aplicando este modelo podrían identificar a aquellos soldados propensos a sufrirlas más rápidamente para darles de baja a tiempo y trasladarlos a centros de salud donde sí puedan atenderlos de la manera adecuada.

Prevemos que dichas plataformas de aprendizaje automático se incorporen en una variedad de entornos fuera de la lesión renal aguda, lo que en última instancia podría mejorar varios aspectos de la atención al paciente en el ámbito de la medicina clínica“, agregó Rashidi.

De modo que la suposición de que en el campo de la inteligencia artificial y el aprendizaje automático los algoritmos son mucho más complicados queda abolida con este nuevo desarrollo, aunque existan sus excepciones, como la red neuronal profunda.

Referencias:

Artificial intelligence and machine learning for predicting acute kidney injury in severely burned patients: A proof of concept. https://www.sciencedirect.com/science/article/abs/pii/S030541791831129X?via%3Dihub

Recognizing kidney injury due to burns is improved by artificial intelligence. https://health.ucdavis.edu/publish/news/newsroom/13989