INNOVADORES
Rotura de cadera, ¿me moriré?
Investigadores salmantinos crean un algoritmo que calcula si un enfermo con esta lesión fallecerá en menos de un año
Médico y paciente en la consulta de Traumatología del Hospital de Salamanca. ENRIQUE CARRASCAL
En España cada año se producen entre 50.000 y 60.000 fracturas de cadera con una incidencia anual de 100 casos por cada 100.000 habitantes. La mayoría de los pacientes afectados suelen ser de edad avanzada –80 años de media– y tres de cada cuatro son mujeres. Ahora bien, está considerada como una lesión grave, ya que la tasa de mortalidad después de sufrir una fractura de cadera es muy elevada, duplica la de las personas de la misma edad sin fractura y el exceso de mortalidad se mantiene durante años.
Por esta razón, los especialistas trabajan para conocer qué tipo de enfermos tienen más posibilidades de morir tras este episodio . En este punto, investigadores del servicio de Traumatología y Cirugía Ortopédica del Hospital Universitario de Salamanca han desarrollado un algoritmo que calcula, con un 76% de efectividad, si un enfermo con esta lesión perderá la vida en menos de un año.
Este modelo, basado en inteligencia artificial, sigue aprendiendo, es decir, mejorando su capacidad de predicción, ya que cuanta mayor heterogeneidad encuentre este equipo de profesionales entre los pacientes que atiende en su consulta, mayor capacidad de predicción tendrá el algoritmo. En este caso, recogen 200 variables , de las que 30 determinan el resultado final después de un año de seguimiento.
De esta manera, Juan Francisco Blanco, jefe de servicio de Traumatología y Cirugía Ortopédica del Hospital Universitario de Salamanca asegura que logran una información personalizada y bastante fiable. Y lo consiguen, agrega la bioestadística Helena Fidalgo, de una manera sencilla, introduciendo una serie de datos hasta que arroja el resultado. La diferencia con otros programas es que según van incrementando el número de datos, el algoritmo va perfeccionando su predicción.
«No es un elemento estático, sino que va aprendiendo en función de los nuevos datos». Por esta razón, Blanco recalca que es de suma importancia contar con un tamaño muestral lo suficientemente grande y heterogéneo; «si únicamente entrenamos el algoritmo con pacientes de una misma edad o con comorbilidades previas similares, en cuanto lo apliquemos a una muestra diferente, este perderá poder de predicción y conducirá a conclusiones erróneas», apostilla Fidalgo.
Un proyecto innovador, a su juicio, porque hasta ahora se disponía de medidas generales de riesgo que contemplaban un grupo de pacientes con unas características determinadas. De esta forma, comenta el jefe de Traumatología y Cirugía Ortopédica, se han utilizado diversos scores para evaluar el pronóstico de diferentes patologías, incluidas las fracturas de cadera. «Con la inteligencia artificial podemos hacer una predicción individualizada y más precisa» .
Además, otro punto interesante, reconoce la bioestadística, es que ni el algoritmo de aprendizaje automático supervisado de machine learning que han empleado, ni las técnicas para bases de datos desbalanceadas que han usado han sido aplicadas nunca para predecir la mortalidad tras un año de seguimiento en pacientes con fractura de cadera.
Detrás de cada paso que dan está eXtreme Gradient Boosting (XGBoost). En este caso, han analizado a 1.267 pacientes operados de fractura de cadera, que, después de un seguimiento de un año, se les etiquetó según su resultado final (fallecido versus no fallecido). También recogieron 200 variables relacionadas con sus características biodemográficas, índices y scores geriátricos, comorbilidades previas, complicaciones quirúrgicas y complicaciones postoperatorias. Este algoritmo tiene un poder de predicción del 79,01% , e identifica de manera correcta al paciente que va a fallecer con una probabilidad del 76,11%.
Un proyecto que, según relata Blanco, surgió en su día a día, puesto que, desde hace bastante tiempo, una de sus líneas de investigación se basa en todos los aspectos relacionados con las fracturas de cadera en el anciano. «El envejecimiento de la población ha ocasionado, entre otros aspectos, que las patologías ligadas a la edad se hayan incrementado, como lo es la fractura de cadera» , subraya Helena Fidalgo, quien añade que las posibilidades de tratamiento actuales hacen que la supervivencia sea mayor que hace 15 o 20 años.
Y es que, tal y como sostiene el jefe de Traumatología y Cirugía Ortopédica del Hospital Universitario de Salamanca, la fractura de cadera es la patología más relevante en las personas mayores, si se considera la elevada morbimortalidad asociada que conlleva . «La fractura de cadera supone un antes y un después en la vida de un paciente, no solo por la elevada mortalidad, sino también por la necesidad de los cuidados que van a precisar», aclara.
Por esta razón, indica que, tras esta lesión, muchos pacientes que tienen una vida independiente pasan a precisar cuidados diarios, lo que supone con frecuencia la necesidad de ingreso en una institución, en una residencia de ancianos . «Hasta en un 40% ocurre esto». Por todo ello, este grupo de investigación tiene una línea de trabajo muy consolidada sobre todos los aspectos que comprende la fractura de cadera.
Es verdad, destaca Fidalgo, que en la actualidad existen otros algoritmos de predicción de mortalidad tras un año de seguimiento después de una fractura de cadera, pero en ninguno de ellos se han evaluado un número tan grande de variables. «El hecho de trabajar con tantas variables permite barajar todas las opciones posibles de qué variables conllevan a que el paciente fallezca; no es lo mismo trabajar con un modelo entrenado que solamente haya tenido en cuenta 10 variables, que uno que haya sido entrenado con un número más alto», celebra.
Antes de decantarse por utilizar el XGBoost, compararon resultados entre muchos otros algoritmos de machine learning utilizados hoy en día y concluyeron que este método no sólo era el que mayor capacidad de predicción presentaba, sino que además era el que menor error proporcionaba.
Un aspecto al que se suma que la inteligencia artificial como herramienta genera una gran ventaja, ya que aparte de predecir, lo realiza de manera personalizada, para cada caso. «En la actualidad la inteligencia artificial y, en concreto, el machine learning se utiliza en diversos campos, incluido el área sanitaria . Así se está empleando para el estudio de factores genéticos en el cáncer, por ejemplo, o en patologías cardiacas», subraya Juan Francisco Blanco, quien manifiesta que dentro del área de la Traumatología y Cirugía Ortopédica hay muy pocos estudios en comparación con otros departamentos, por ello, opina que es tan importante empezar a explotar estos métodos dentro de este campo.
De cara al futuro, avanzan que están trabajando en dos parcelas, por un lado y sobre la misma base de datos, están iniciando un proyecto para predecir los reingresos y poder identificar qué tipo de paciente se va a fracturar la cadera . A esta iniciativa se suma otra en colaboración con el Ayuntamiento de Salamanca que no se pudo iniciar por la pandemia sobre la prevención de la fractura de cadera . Ahora con esta herramienta, se congratulan, pueden dar un paso adelante muy importante.
Por otro lado, están empezando a trabajar en un proyecto de deep learning tratando que el sistema informático aprenda a identificar por sí solo el tipo de fractura que presenta el paciente. «Una de las ventajas de la inteligencia artificial es que puede ayudar a proporcionar una información más precisa a los pacientes que se van a someter a un tratamiento, además de reducir el número de clínicos necesarios para tomar una decisión», concluyen los investigadores salmantinos.