iaintel·ligènciaartificial.cat← Portada

SALUT · 5 MIN

Un model d'IA de la Clínica Cleveland troba en les proves de son rutinàries senyals de risc que els mètodes actuals no detecten

L'estudi, publicat a Nature Communications i desenvolupat amb l'Aliança per la Descoberta amb IBM, agrupa els pacients en cinc perfils de risc a partir de polisomnografies estàndard: els del grup de més risc dupliquen la mortalitat a cinc anys respecte als del grup de menys risc, una diferència que l'índex d'apnea-hipopnea habitual no captura.

Il·lustració editorial de Un model d'IA de la Clínica Cleveland troba en les proves de son rutinàries senyals de risc que els mètodes actuals no detecten
Escolta:

Cada any es fan als Estats Units entre un i quatre milions de polisomnografies, la prova estàndard per diagnosticar trastorns del son en un laboratori. Avui dia, els metges en resumeixen els resultats sobretot amb l'índex d'apnea-hipopnea (AHI), una xifra única que compta les interrupcions respiratòries per hora de son i que, segons diversos especialistes, deixa fora bona part de la informació fisiològica que la prova realment registra.

Un equip multidisciplinari de metges del son, investigadors d'IA, científics de dades i neurocientífics, format a través de l'Aliança per la Descoberta (Discovery Accelerator), l'associació de recerca a deu anys entre la Clínica Cleveland i IBM, ha desenvolupat un model d'IA que analitza les dades completes d'una polisomnografia —més enllà del resum habitual— per agrupar els pacients en cinc perfils de risc diferenciats. Amb dades del registre STARLIT de la mateixa clínica i una validació independent en una cohort nacional, l'estudi, liderat per Erhan Bilal com a primer autor i amb Reena Mehra (Universitat de Washington) com a autora clínica sènior i Jeffrey Rogers (Yale) com a autor de correspondència, es publica ara a Nature Communications. El resultat central: els pacients del grup de risc més alt tenen el doble de mortalitat a cinc anys que els del grup de risc més baix, una diferència que l'AHI convencional no distingeix, i el model funciona igual de bé per a homes que per a dones, cosa que les mètriques tradicionals no sempre aconsegueixen.

La notícia és rellevant perquè suggereix que proves mèdiques rutinàries com la polisomnografia contenen molta més informació fisiològica de la que la pràctica clínica actual n'extreu amb els seus resums estàndard. Carl Saab, científic en cap de l'Aliança per la Descoberta de la Clínica Cleveland, ho resumeix així: «la IA ens dona l'oportunitat d'anar més enllà d'aquests resums i aprendre de tota la riquesa de la fisiologia del son». Si els resultats es confirmen, un enfocament així podria ajudar a detectar abans risc cardiovascular, deteriorament cognitiu i mortalitat en pacients que avui passen per «normals» segons l'AHI.

El comunicat no especifica la mida exacta de la mostra utilitzada per entrenar el model, i els mateixos autors adverteixen que calen més validacions en poblacions diverses abans que un sistema així es pugui incorporar a la pràctica clínica habitual. Es tracta, de moment, d'un model de recerca validat de manera retrospectiva, no d'una eina ja aprovada o desplegada als hospitals.

Mateix tema

Butlletí de dissabte

La setmana d’IA, en cinc minuts.