La inteligencia artificial ayuda a prever el riesgo de complicaciones causadas por el pie diabético

Un sistema desarrollado por una startup brasileña que cuenta con el apoyo de la FAPESP logra predecir este problema que acomete hasta a un 34 % de los pacientes con diabetes y tiene una precisión superior al 85 %

Por Fábio De Castro  |  FAPESP Investigación para la Innovación – Un sistema que se vale de conceptos de la inteligencia artificial y el aprendizaje de máquinas desarrollado por una startup con sede en São Paulo (Brasil), puede ayudar a predecir el surgimiento de complicaciones en los pies de los pacientes diabéticos. Este problema, conocido con el nombre de “pie diabético”, acomete hasta a un 34 % de los pacientes portadores de esta enfermedad y resulta en una mortalidad cinco veces mayor que la de los pacientes diabéticos sin este tipo de lesiones en los pies.

Con el apoyo del Programa FAPESP de Investigación Innovadora en Pequeñas Empresas (PIPE), la startup BIOO Inteligência Artificial ya ha concluido las investigaciones concernientes a la prueba de concepto y ha puesto en marcha un proyecto piloto, desarrollado en colaboración con el Hospital de Clínicas (HC) –el complejo hospitalario administrado por la Facultad de Medicina de la Universidad de São Paulo (FM-USP)–, y su núcleo de innovación tecnológica, InovaHC.

El proyecto piloto mostró la capacidad de predecir las complicaciones en los pies de los pacientes diabéticos con una precisión superior al 85 % en el pronóstico de casos que causarán este problema. En octubre de 2021, el proyecto de BIOO fue premiado en la “Competencia de Innovación y Emprendimientos de Empresas de Tecnología de Brasil y Portugal”, en Macao. La startup brasileña fue distinguida en la categoría “Mayor Potencial de Desarrollo”.

Los fundadores de la empresa, el médico ortopedista Bruno Sérgio Ferreira Massa y el ingeniero de producción Fernando Mamam, empezaron a desarrollar este proyecto en el año 2018. A partir de 2020, el equipo pasó a contar también con la participación de la científica de la computación Leissi Margarita Castañeda León. 

De acuerdo con Ferreira Massa, la idea inicial era trabajar con una solución tecnológica amplia que abarcase a diversas enfermedades crónicas. Empero, al cabo de una larga fase de maduración, su socio y él decidieron enfocarse en el pie diabético.

El médico, quien forma parte del cuerpo clínico de los hospitales Albert Einstein y Sírio-Libanês, en São Paulo, comenta que adquirió una vasta experiencia con la afección del pie diabético a partir de su residencia en el Hospital de Clínicas, en tanto que su socio, cuyos padres son diabéticos, también conoce de cerca los desafíos y las complicaciones de esta enfermedad. “Esta complicación de la diabetes en particular es extremadamente cruel. Cuando el paciente desarrolla el pie diabético, es muy grande la probabilidad de que eso derive en una amputación, en una complicación más grave o en la muerte”, afirma Ferreira Massa.

Según el especialista, el pie diabético constituye en la actualidad la mayor causa de amputaciones en los servicios de emergencia –alrededor del 50 %–, por encima de otras causas, tales como los traumas. Las complicaciones en los pies se hacen presentes en entre el 19 % y el 34 % de los 500 millones de diabéticos de todo el mundo, y le cuestan 330 mil millones de dólares anuales a los servicios de salud. Se estima que, durante los próximos 20 años, la cifra de diabéticos aumentará tres veces.

“Sabemos que el 85 % de los casos de complicaciones en los pies podrían evitarse mediante la detección precoz y la prevención. Pero entre los médicos una tercera parte no reconoce este tipo de lesiones y un 80 % de los datos disponibles sobre los pacientes se encuentran registrados de forma no estructurada”, explicó Ferreira Massa.

Computación y medicina

Para trabajar con esos datos complejos y heterogéneos con el objetivo de extraer de ellos un método de predicción de este problema, los socios contactaron a una experta experimentada en este tipo de desafíos. “La invitamos a Leissi, una de las mujeres más destacadas en el área de TI, y gracias a ella logramos poner en marcha nuestro proyecto PIPE [Etapa] I. A partir de entonces, enfocada y con capacidad interdisciplinaria, la empresa despegó”, comenta Ferreira Massa. Actualmente, seis personas forman parte del equipo de BIOO.

De acuerdo con Castañeda León, la investigadora responsable del proyecto PIPE en BIOO, para predecir si un paciente afrontará complicaciones con el “pie diabético”, el sistema se vale de algoritmos que aplican el aprendizaje de máquinas en la exploración de datos “estructurados” −tales como los resultados de estudios– y “no estructurados”, como los que se registran en las historias clínicas electrónicas que los médicos utilizan para efectuar el seguimiento de las consultas clínicas. Los datos no estructurados son los que se erigen como mayores desafíos, y la investigadora venía trabajando específicamente con este tipo de información en proyectos anteriores.

“Firmamos el acuerdo con el HC para ejecutar un proyecto piloto, y el hospital nos suministró los datos iniciales de historias clínicas de consultas e internaciones. Lo primero que detectamos fue que, aunque estaban dadas las condiciones como para que las historias clínicas estuviesen todas estructuradas, la mayor parte de la información que se encontraba registrada en ellas aparecía en una sola columna, en forma no estructurada”, afirma Castañeda León.

Aparte de las dificultades con los datos no estructurados, los investigadores fueron detectando otros problemas, como la presencia de información sensible o de códigos que sencillamente no deberían estar allí, lo que hacía que el conjunto de datos se volviese un tanto caótico.

“El primer reto del equipo consistió en descubrir de qué manera obtener conocimiento basado en esos datos. Era necesario limpiarlos, proteger la información sensible y extraer conocimiento de la masa de información que estaba allí”, explica Castañeda León.

Big data

Al utilizar diversas técnicas apropiadas para el tratamiento de los datos, con base en distintos algoritmos, Castañeda León, junto al equipo de BIOO y con el conocimiento médico de Ferreira Massa, logró trabajar la parte no estructurada de datos en el transcurso de toda la Etapa I del PIPE. De acuerdo con la investigadora, el objetivo de la Etapa II consistirá en integrar en el sistema todos los algoritmos desarrollados hasta ahora, aparte de desarrollarlo como un producto. Los resultados fueron alentadores.

“A lo largo de la Etapa I, completamos todo el ciclo de análisis de factibilidad del proyecto. Con base en los datos retrospectivos suministrados por el HC, logramos elaborar una clasificación de riesgo inicial con una precisión de alrededor del 85 % en la predicción de las complicaciones en los pies de los pacientes diabéticos. Ahora profundizaremos la investigación para perfeccionar ese resultado aún más”, dice Castañeda León.

El gigantesco volumen de datos de pacientes del HC utilizado para el desarrollo del proyecto piloto está almacenándose en la nube, según Castañeda León. “Estamos trabajando con datos retrospectivos y tenemos información de 14 años de los pacientes de endocrinología del HC, con nuevos datos que entran todos los días. Por eso estamos poniendo todo en la nube”, afirma Castañeda León.

Según la investigadora, la prueba de concepto fue el primer paso hacia el futuro desarrollo de un sistema para predicción de las complicaciones en los pies en los pacientes diabéticos que pueda aplicarse en clínicas, hospitales y sistemas de salud públicos y privados. La tecnología propuesta perfecciona la identificación de los pacientes en riesgo, al hacer posibles acciones más asertivas e individualizadas, ayudando en la determinación de las prioridades de atención y mejorando la aplicación de los recursos de salud.

“Se extrajeron diferentes productos que podrán desarrollarse. No solamente un sistema de prevención y clasificación de riesgo, sino también un servicio de organización de datos y un sistema de gestión y de organización de los protocolos que deben aplicar los gestores, además de criterios objetivos para la priorización de pacientes”, explica Castañeda León.

Medicina de precisión

De acuerdo con Ferreira Massa, lo que hace que una empresa de datos pueda alterar la evolución fisiológica de un problema de salud reside en el caso del pie diabético en que cuanto más precoz es el reconocimiento de la evolución del problema, mejor es el pronóstico. Con los datos, los médicos pueden determinar los protocolos correctos en cada caso.

“Al detectar patrones y entender mejor los riesgos de cada paciente, logramos recomendarle al gestor o al médico la decisión más acertada y el protocolo más adecuado. Cuando un paciente ya ha tenido una lesión en el pie, el riesgo de padecer más complicaciones es más alto. Una de nuestras diferencias consiste en que procuramos identificar al paciente antes de que padezca la primera lesión”, explica el médico.

Según Castañeda León, el próximo paso consistirá en trabajar para que el sistema se convierta en una herramienta fácil de implementar, utilizar y procesar. “La idea es hacer todo eso basado en la nube. Contamos con datos a gran escala, incluso con información clínica y resultados de estudios, y hacemos todo un trabajo de higienización, protección de la información sensible y estandarización, de manera tal que sea posible crear un bioodataset, que es el conjunto de datos con los cuales podemos aplicar los algoritmos, analizar y efectuar las predicciones.”

Según Ferreira Massa, el banco de datos, que se volverá cada vez más robusto con el correr del tiempo, podrá utilizarse no solamente para mejorar la atención clínica, sino también como una importante herramienta para la concreción de estudios epidemiológicos.

“Este procesamiento permite no solamente la predicción de riesgos, sino también el análisis del propio proceso de atención médica. Se puede detectar un servicio de salud en el cual los casos tienen un desenlace peor que en los demás y verificar si los protocolos están aplicándose adecuadamente, por ejemplo”, afirma. “Pensando de manera más amplia, es probable que este sistema empiece a identificar patrones para otras enfermedades también.”