Un grupo de investigadores juntaron información de más de 80.000 pacientes de CALIBER, un gran proyecto de investigación clinica estudiando la mortalidad de Inglaterra, y usaron los métodos de aprendizaje de la máquina para encontrar patrones comunes en los datos para predecir la probabilidad de que un paciente muera de una enfermedad coronaria.
La enfermedad se desarrolla cuando las arterias coronarias que administran al músculo del corazón con sangre se bloquean por depósitos de grasa que se juntan a través del tiempo. En los peores escenarios, una o más arterias coronarias se obstruyen completamente, llevando a un paro cardíaco.
Primero, los investigadores construyeron un modelo predicitivo seleccionando manualmente 27 variables que ellos creen que son buenos indicadores de enfermedades cardíacas. Estas incluyen cosas como la edad del paciente, el género, y si experimentaron dolores en el pecho.
Luego, usaron los algoritmos de machine learning como bosques aleatorios y regresión de red elástica para seleccionar automáticamente las mejores variables a estudiar del set de datos. El modelo eligió 586 variables de esta forma.
Ambos modelos se probaron en qué tan precisos son para predecir si un paciente estaría muerto dentro de cinco años. El modelo de machine learning fue un poco más estadísticamente preciso, con una probabilidad de 0.801 comparada con los 0.793 que obtuvieron los doctores.
El sistema eligió nuevas variables que los doctores normalmente no consideran, como visitas a domicilio de doctores. No es la primera vez que se hizo un estudio asi. Otro grupo de investigadores estudió también la mortalidad de ataques al corazón por hipertensión pulmonar, un sintoma que describe alta presión sanguínea en los vasos sanguíneos que conectan el corazón a los pulmones.
¿Qué opinan de esta investigación médica?
Fuente: The Register
