La pandemia del coronavirus ha sido un reto para Colombia y el mundo, pues los casos siguen en aumento y los sectores de todo el mundo se están moviendo para frenar la propagación del virus. Teniendo en cuenta esto, un grupo de investigadores de China y Estados Unidos presentó una nueva herramienta de inteligencia artificial que permite pronosticar qué casos positivos de coronavirus están propensos a provocar un daño pulmonar severo.
Se trata de un algoritmo que podría predecir de una manera exacta qué pacientes necesitan de un tratamiento urgente y agudo para evitar un daño grave en su cavidad respiratoria. Este algoritmo fue creado con el fin de asistir a los médicos para que tomen decisiones a la hora de priorizar los casos positivos que necesitan de los recursos disponibles para ser tratados con premura. Megan Coffee, una médica que ejerce como académica en la Escuela de Medicina de Grossman en Nueva York, aseguró que gracias a este trabajo se podrán tomar indicadores sorprendentes que constituyen indicios que predicen cuáles pacientes van a desarrollar una condición conocida como síndrome respiratorio agudo (ARDS).
Esta complicación es mortal en un 50 % de los casos que desarrollan esta patología y es una grave complicación derivada del covid-19. El equipo utilizó un algoritmo de aprendizaje automático, relacionando los datos de 53 pacientes con coronavirus en dos hospitales de Wenzhou, en China, y descubrió que los cambios en tres marcadores eran los indicios más fiables: los niveles de hemoglobina, los niveles de la enzima hepática alanina aminotransferasa (ALT) y los dolores corporales.
Al emplear la combinación de estos factores, el algoritmo fue capaz de predecir el riesgo de desarrollar complicaciones respiratorias con una precisión del 80 %. Cabe resaltar que otros factores como el género o la edad no fueron muy útiles a la hora de arrojar estos datos, pues a pesar de que otros estudios han afirmado que las personas que sobrepasan los 60 años tienen mayor riesgo de morir, estos datos no significaron una gran diferencia para dar un diagnóstico en los casos. "Es fascinante porque muchos de los datos que la máquina utilizó para ayudar a influenciar las decisiones fueron diferentes de los que los facultativos usarían habitualmente", indicó Megan Coffee.