El tractament de la sèpsia a la unitat de cures intensives obliga a prendre, hora rere hora, decisions sobre la dosi de fluids intravenosos i de vasopressors sota una gran incertesa, guiades sobretot pel criteri clínic de qui hi és de guàrdia. Aquesta variabilitat és precisament el que fa atractiu entrenar-hi models d'aprenentatge per reforç a partir de dades històriques d'UCI, per veure si es pot sistematitzar la presa de decisions.
Marc Pérez-Roig, David Fernández-Narro i Carlos Sáez han penjat a arXiv el 17 d'agost un estudi que formula el tractament com un procés de decisió de Markov amb 1.000 estats i 25 accions -una graella de cinc per cinc nivells de fluids i vasopressors- optimitzat amb iteració de polítiques. Van entrenar i avaluar el model amb 36.872 estades de pacients sèptics de la base de dades pública MIMIC-IV, i en van validar els resultats amb dos mètodes d'avaluació fora de política independents -mostreig per importància ponderada i avaluació Q ajustada-, que en tots dos casos indiquen que la política apresa supera el comportament clínic observat (retorn mitjà de 50,8 i 46,8, respectivament, davant del 38,2 dels clínics), tot i que s'hi allunya només moderadament -afavorint menys fluid intravenós.
L'estudi s'afegeix a un cos creixent de recerca en «IA per a cures crítiques» que busca reduir la variabilitat en una de les decisions amb més impacte en la mortalitat de les UCI. L'ús de dues mètriques d'avaluació independents, en lloc d'una de sola, és un reforç metodològic rellevant davant un error habitual d'aquests estudis: sobreestimar la qualitat d'una política apresa a partir d'una única mesura estadística.
Els mateixos autors en subratllen les limitacions: es tracta d'una anàlisi retrospectiva i d'un sol centre, encara no revisada per parells ni provada en cap assaig clínic real, i la qualifiquen ells mateixos de validació en fase inicial que requereix més avaluació clínica abans de plantejar-ne cap ús a peu de llit.