La Universidad George Mason ha liderado una investigación en aprendizaje automático para ayudar a pacientes y médicos a predecir con más precisión si los síntomas son causados por COVID-19, influenza o RSV. El profesor Farrokh Alemi y el profesor Janusz Wojtusiak, junto con otros investigadores de la Universidad George Mason y Vibrent Health, han publicado una serie de artículos en el Journal of Quality Management in Healthcare sobre cómo la inteligencia artificial (IA) puede ayudar en el diagnóstico de COVID a partir de una combinación de síntomas y pruebas caseras.
Alemi y Wojtusiak están trabajando en un sitio web para ofrecer un recurso basado en IA que ayude a las personas a identificar las acciones recomendadas basadas en su perfil clínico y los resultados de las pruebas de COVID en el hogar. Según Wojtusiak, «la IA está trabajando para mejorar radicalmente las decisiones de clasificación clínica y de prueba para tratar». La IA también permitirá que las personas se sientan más seguras sobre sus decisiones de quedarse en casa, buscar atención o aislarse socialmente.
Diagnóstico de COVID-19 mejorado con aprendizaje automático
Uno de los artículos publicados encontró que el momento de los síntomas es importante en un diagnóstico de COVID. Por ejemplo, una secreción nasal como síntoma temprano aumenta las probabilidades de dar positivo por COVID. Mientras que una secreción nasal como síntoma que ocurrió más tarde disminuye las probabilidades. Otro artículo encontró que la COVID no se puede diagnosticar a partir de síntomas individuales. Pero un grupo de tres o más síntomas puede ayudar en el diagnóstico. Además, la precisión del diagnóstico de COVID es más alta cuando están presentes diferentes síntomas corporales.
Un tercer artículo analiza cómo la detección de síntomas de IA podría mejorar y, para las personas vacunadas, reemplazar las pruebas de antígenos en el hogar. Las pruebas en el hogar no siempre son precisas y requieren una revisión clínica, pero la detección de síntomas de IA puede ayudar a que estas pruebas sean más precisas y más precisas que realizar una segunda prueba en el hogar.
Conclusión
En resumen, la investigación en aprendizaje automático liderada por la Universidad George Mason ofrece una forma de predecir con más precisión si los síntomas son causados por COVID-19 o por otras enfermedades, utilizando un modelo de aprendizaje automático basado en la análisis de los síntomas de pacientes.
Referencias:
Combined Symptom Screening and At-Home Tests for COVID-19: DOI: 10.1097/QMH.0000000000000404
Guidelines for Triage of COVID-19 Patients Presenting With Multisystemic Symptoms: DOI: 10.1097/QMH.0000000000000398
Order of Occurrence of COVID-19 Symptoms: DOI: 10.1097/QMH.0000000000000397
The Role of Symptom Clusters in Triage of COVID-19 Patients: DOI: 10.1097/QMH.0000000000000399
