Un porcentaje considerable de pacientes de hospital termina con una infección que no tenía cuando ingresó. Entre los más letales se encuentra Clostridium difficile. La bacteria, que se propaga fácilmente en hospitales y otras instalaciones de atención médica, fue la fuente de casi medio millón de infecciones en pacientes en Estados Unidos en un solo año, según un informe de 2015 de los Centros para el Control y la Prevención de Enfermedades de EEUU. Esta bacteria es responsable de la muerte directa de 15.000 personas.

La profesora adjunta de informática e ingeniería de la Universidad de Michigan (EEUU) Jenna Wiens cree que los hospitales podrían aprender a prevenir muchas infecciones y muertes gracias la gran cantidad de datos que ya recopilan sobre sus pacientes.

La joven explica: "Creo que para exprimir todo el valor posible de los datos que estamos recopilando, es necesario adoptar un enfoque de aprendizaje automático y minería de datos".

Así que Wiens ha desarrollado modelos computacionales que emplean algoritmos para buscar entre los datos almacenados en el sistema de registros de salud electrónicos de un hospital, incluidas las recetas de medicamentos de los pacientes, sus resultados de laboratorio y los registros de los procedimientos a los que han sido sometidos. Después, estos modelos desentrañan los factores de riesgo específicos para C. difficile en ese hospital.

La creadora detalla: "Un enfoque tradicional comenzaría con un pequeño número de variables que creemos que son factores de riesgo y un modelo basado en dichos factores. Nuestro enfoque aprovecha todo lo que esté disponible". Puede adaptarse fácilmente a diferentes tipos de datos.

Además de utilizar esta información para tratar a los pacientes con más antelación o prevenir las infecciones por completo, según Wiens, su modelo podría ser utilizado para ayudar a los investigadores a llevar a cabo ensayos clínicos para nuevos tratamientos, como nuevos antibióticos. Tales estudios han resultado difíciles de hacer en el pasado para infecciones adquiridas en el hospital, como C. difficile, ya que aparecen muy rápido, por lo que hay poco tiempo para inscribir a un paciente en un ensayo. Pero al utilizar el modelo de Wiens, los investigadores podrían identificar a los pacientes más vulnerables a las infecciones y estudiar la intervención propuesta en función de ese riesgo.

En un momento en que los costes de la atención médica están aumentando exponencialmente, cuesta imaginar que los hospitales quieran gastar más dinero en nuevos enfoques de aprendizaje automático. Pero Wiens tiene la esperanza de que los hospitales perciban el valor de contratar científicos de datos para hacer lo que ella está haciendo.

La joven concluye: "Creo que no usar los datos generará más costes aún. Los pacientes mueren cuando buscan atención médica y contraen una de estas infecciones. Si podemos evitar esas muertes, esos ahorros no tendrán precio".

Por Emily Mullin