El accidente cerebrovascular es una de las afecciones médicas mal diagnosticadas con mayor frecuencia, y la detección oportuna es crucial para un tratamiento eficaz.
Los pacientes tratados dentro de la primera hora del inicio de los síntomas tienen una mayor probabilidad de supervivencia y de evitar daños cerebrales a largo plazo.
Los datos revelan que los negros, los hispanos, las mujeres, los adultos mayores con Medicare y los residentes rurales tienen menos probabilidades de ser diagnosticados dentro de este período crítico.
Le puede interesar:
Implantan en RD dispositivo previene ictus
Las escalas de ictus prehospitalarias existentes pasan por alto alrededor del 30% de los casos. Una nueva investigación ha demostrado que un algoritmo de aprendizaje automático (ML), que utiliza datos hospitalarios y determinantes sociales de los datos de salud, puede diagnosticar un derrame cerebral rápidamente, antes de que los resultados de las pruebas de laboratorio o las imágenes de diagnóstico estén disponibles, con un 83 % de precisión.
Este hallazgo sugiere la posibilidad de reducir los diagnósticos erróneos de accidentes cerebrovasculares y mejorar el seguimiento del paciente.
Investigadores de la Universidad Internacional de Florida (Miami, FL, EUA) desarrollaron el algoritmo ML para un mejor diagnóstico de accidente cerebrovascular utilizando datos de pacientes con sospecha de accidente cerebrovascular, como la edad, la raza y la cantidad de afecciones subyacentes.
Los determinantes sociales de la salud (SDoH) son factores no médicos como la raza, los ingresos y la estabilidad de la vivienda que influyen en una amplia gama de resultados de salud.
Los investigadores utilizaron los registros del departamento de emergencias y de hospitalización de los hospitales de Florida entre 2012 y 2014, combinados con los datos SDoH de la Encuesta sobre la comunidad estadounidense, para crear el algoritmo de predicción de accidentes cerebrovasculares de ML.
Su análisis incluyó 143,203 visitas hospitalarias de pacientes únicos.
Los pacientes a los que se les diagnosticó un accidente cerebrovascular generalmente eran mayores, tenían más afecciones crónicas y dependían principalmente de Medicare.
Con el algoritmo ML de los investigadores, cuando un paciente llega a un hospital con un accidente cerebrovascular o síntomas similares a un accidente cerebrovascular, una herramienta de detección automática asistida por computadora analiza rápidamente la información del paciente.
Si el algoritmo predice un alto riesgo de accidente cerebrovascular, se activa una alerta emergente para el equipo del departamento de emergencias.
Los métodos actuales de ML a menudo se centran en la interpretación de notas clínicas y resultados de imágenes de diagnóstico, que pueden no estar disponibles a la llegada del paciente, especialmente en comunidades rurales y desatendidas, destaca la información publicada en https://www.hospimedica.com.
Le puede interesar:
Ensayo para mejorar medicación en ictus recluta pacientes
Esta tecnología se encuentra actualmente en pruebas piloto en los departamentos de emergencia de varios sistemas de salud destacados.
«A medida que agregamos más datos, estamos aprendiendo datos», dijo Min Chen, profesor asociado de sistemas de información y análisis de negocios en FIU Business y uno de los investigadores. «Nuestro algoritmo puede incorporar una gran cantidad de variables para analizar e interpretar patrones complejos, lo que permitirá a los equipos de atención del departamento de emergencias tomar decisiones mejores y más rápidas».
