iaintel·ligènciaartificial.cat← Portada

SALUT · 4 MIN

Un model d'aprenentatge profund amb dades de 3,5 milions de suecs prediu el risc de fractura de maluc set vegades millor que els cribratges actuals

Publicat a PLOS Medicine per investigadors de la Universitat de Gotemburg, FRACTURE-ML combina més de 100.000 variables de registres sanitaris nacionals suecs i identifica gairebé set vegades més persones en risc a dos anys vista que els mètodes clínics vigents, sense necessitat de cap visita presencial.

Il·lustració editorial de Un model d'aprenentatge profund amb dades de 3,5 milions de suecs prediu el risc de fractura de maluc set vegades millor que els cribratges actuals
Escolta:

La fractura de maluc és una de les complicacions més temudes de l'envelliment: sol marcar l'inici d'una pèrdua d'autonomia i, en molts casos, precedeix altres problemes de salut greus. Els cribratges clínics actuals, com les eines basades en el risc FRAX, es calculen a partir d'un nombre limitat de factors i solen requerir una visita o una prova específica, cosa que deixa fora del radar mèdic moltes persones que igualment acabaran fracturant-se el maluc.

Un equip liderat per Kristian Axelsson i Mattias Lorentzon, de la Universitat de Gotemburg, ha publicat el 27 d'agost a la revista d'accés obert PLOS Medicine els resultats de FRACTURE-ML, un model d'aprenentatge profund entrenat amb les dades dels registres sanitaris nacionals de Suècia. L'estudi va analitzar 3.542.647 persones de 50 anys o més, seguides fins a deu anys, entre les quals es van registrar 142.327 fractures de maluc, i va fer servir més de 100.000 variables extretes de diagnòstics, medicaments, procediments i dades demogràfiques i socioeconòmiques. Provat sobre un grup de persones diferent del que es va fer servir per desenvolupar-lo, el model distingeix qui acabarà fracturant-se el maluc d'una manera fiable: una àrea sota la corba (AUC) de 0,89 a un any vista i de 0,85 a cinc anys vista. Comparat amb el cribratge clínic habitual a Suècia, FRACTURE-ML identifica gairebé set vegades més persones en risc de fractura en un termini de dos anys —una sensibilitat del 84% davant el 12% del mètode actual—, amb una reducció només moderada de l'especificitat (79% davant el 98%).

El treball és rellevant perquè mostra que és possible detectar aquest risc únicament a partir de les dades que un sistema de salut ja té recollides —diagnòstics previs, receptes, procediments—, sense necessitat de convocar la persona a cap prova addicional. En sistemes sanitaris europeus que, com el català, ja disposen de registres electrònics força complets, un enfocament així podria servir per prioritzar qui necessita una densitometria òssia o un tractament preventiu abans que es produeixi la primera fractura.

Es tracta, però, d'un estudi retrospectiu basat en el registre sanitari centralitzat de Suècia, un dels més complets del món, i encara no s'ha provat de manera prospectiva dins la pràctica clínica diària. Caldrà veure si el model manté la mateixa precisió en sistemes de salut amb registres més fragmentats o incomplets, i els mateixos autors no aborden en detall com d'interpretables són, per a un metge, les més de 100.000 variables que el model fa servir per arribar a cada predicció.

Mateix tema

Butlletí de dissabte

La setmana d’IA, en cinc minuts.