Investigadores de la Universidad de Stanford en Estados Unidos muestran cómo un programa informático que utiliza los datos de control hospitalario rutinario en las primeras tres horas de la vida de un recién nacido, predice la probabilidad de futuras enfermedades, infecciones y problemas cardiacos que podrían no aparecer hasta varias semanas después. Los resultados del trabajo se publican en la revista Science Translational Medicine. La posibilidad de predecir la salud de los prematuros más pequeños determina qué tipo de cuidados recibirán y si un niño debería permanecer en las unidades de cuidados intensivos locales o ser transferido a un centro especializado para un tratamiento más intenso.
A diferencia de otros métodos actuales de predicción, el 'PhysiScore' puede utilizarse de forma automática en los monitores hospitalarios sin utilizar agujas u otras técnicas invasivas.Los recién nacidos prematuros pasan por una monitorización cardiorrespiratoria minutos después del parto. Los monitores muestran y almacenan de forma continua sus signos vitales, incluyendo la tasa cardiaca, la tasa respiratoria y la cantidad de oxígeno en la sangre. El control de los signos vitales se produce desde el paritorio a la unidad de cuidados intensivos neonatal y hasta el alta hospitalaria o después de ello si es necesario. En el trabajo, dirigido por Suchi Saria, los investigadores desarrollaron un algoritmo informático que rastrea los datos de signos vitales en busca de combinaciones de patrones demasiado complejos para ser detectados por los humanos.
Los autores analizaron los datos hospitalarios de 145 recién nacidos y descubrieron que estos patrones, combinados con información como el peso al nacer y la edad gestacional, ayudaban a distinguir entre los prematuros de alto riesgo de aquellos con un riesgo más bajo de forma mucho más exacta que los modelos tradicionales. Según los investigadores, tres horas de datos 'PhysiScore' predecía si los niños se encontraban en la categoría de alto o bajo riesgo con una exactitud de entre el 91 y el 98 por ciento frente a las predicciones estándar que se encuentran entre el 69 y el 74 por ciento. Los autores creen que usos similares de técnicas informáticas como esta que interpreta patrones con los datos del paciente, como la recuperación tras una cirugía, podrían mejorar la atención sanitaria.