Deep learning para predecir la evolución de un paciente tras una hemorragia intracraneal

La hemorragia intracraneal es una afección muy común que debe diagnosticarse y tratarse con rapidez. Sin embargo, todavía falta consenso entre la comunidad médica respecto a su tratamiento debido, en cierta medida, a la incertidumbre en la evolución del paciente tras la hemorragia. Por ello, investigadores del Instituto de Física de Cantabria (IFCA, CSIC-UC) participan en un proyecto que, a partir del estudio de 262 pacientes, ha desarrollado un modelo de aprendizaje profundo (deep learning) para predecir el buen o mal pronóstico de una hemorragia intracraneal.

“Cuando un paciente tiene una hemorragia intracraneal es difícil saber si va a evolucionar bien o mal, por tanto, es complicado tomar decisiones en cuanto a darle un tratamiento más intervencionista o más agresivo”, afirma la médica radióloga del Hospital Universitario de Navarra Amaia Pérez del Barrio, cuya tesis doctoral dio como resultado este estudio. Publicado en Journal of Neuroimaging y codirigido por el doctor de la Universidad de Oviedo José Antonio Vega y por la investigadora del IFCA Lara Lloret, el estudio busca aportar una mayor certidumbre en el tratamiento mediante la inteligencia artificial,  el aprendizaje profundo y una infraestructura adecuada: “No puedes hacer este trabajo de imagen médica con tu ordenador personal, hay que utilizar las unidades gráficas de procesamiento, o CPUs, para crear estas redes neuronales profundas”, explica Lloret.

Lo novedoso respecto a los modelos de predicción existentes, es el desarrollo de un sistema de aprendizaje profundo que permite predecir el pronóstico de la enfermedad, es decir, si el paciente evolucionará favorablemente o no. “Incluimos en el estudio a 262 pacientes de Cantabria que llegaban al servicio de urgencias de Valdecilla con sospechas de hemorragia intracraneal y, con las imágenes de los distintos TAC cerebrales y sus datos clínicos, entrenamos un modelo personalizado para poder clasificar a los pacientes en mal pronóstico y buen pronóstico, utilizando un modelo híbrido”, destaca Pérez del Barrio.