Sanidad

Ribera Salud crea un sistema para la detección temprana de los pacientes Covid que requieren UCI

  • Su filial FutuRS crea un modelo que ayuda a tomar decisiones
  • Predice el empeoramiento clínico y permite actuar de forma proactiva
Valencia

Ribera Salud ha desarrollado un modelo predictivo que vaticina qué pacientes de Covid-19 ingresados en los hospitales pueden necesitar atención en la Unidad de Cuidados Intensivos (UCI). El equipo de data science de FutuRS, filial tecnológica del grupo sanitario valenciano, ha concebido "un modelo que analiza y procesa las variables de cada paciente para predecir su evolución de forma que asista a los profesionales en la toma de decisiones en base a datos objetivos", según explican.

"Se trata de un modelo revolucionario, que 'aprende' a medida que evoluciona la información disponible y que ha sido valorado positivamente por el Comité de Ética de la Investigación con medicamentos (CEIM) de los hospitales del grupo. El objetivo de esta iniciativa es convertirlo en una herramienta clave para las últimas fases de desescalada, la 'nueva normalidad' y, sobre todo, en previsión de un posible nuevo brote", relata la compañía, que tiene previsto ofrecer la tecnología a los gobiernos de las regiones donde opera, tanto en España como a nivel internacional.

Mireia Ladios, Jefa corporativa de Calidad de Ribera Salud, explica que "el exhaustivo control, recogida y análisis de datos de los pacientes es la base para la creación de este modelo predictivo, que permite alertar al clínico de la evolución del paciente, brindándole la oportunidad de revisar y ajustar el plan terapéutico antes de que el paciente empeore más".

Ladios explica que el modelo predictivo se ha construido en base a una selección de variables clínicas, fijadas por los profesionales sanitarios y la literatura médica actual sobre el Covid-19, y se han empleado técnicas de data mining y machine learning (ML) para su desarrollo. Para conocer el rendimiento del modelo, se han empleado medidas como la sensibilidad, especificidad, área bajo la curva o el F1 score, entre otros.

El desarrollo técnico ha sido liderado por Francisco Aznar, software development manager de FutuRS, y Adrián Belso, data science lead de la firma; y desde el plano de investigación se ha contado con la participación de José Fernández de Maya, Francisco Javier Ballesta, ambos de los departamentos de salud de Vinalopó y Torrevieja, y Maria José Cabañero Martinez de la Facultad de Ciencias de la Salud de la Universidad de Alicante, quienes explican que este modelo predictivo "va a facilitar al gestor sanitario la toma de decisiones frente a una posible demanda de recursos asistenciales escasos, como las camas de UCI, o la distribución de cargas de trabajo de acuerdo a la necesidad de cuidados de los pacientes".

comentariosforum0WhatsAppWhatsAppFacebookFacebookTwitterTwitterLinkedinlinkedin
forum Comentarios 0
Deja tu comentario
elEconomista no se hace responsable de las opiniones expresadas en los comentarios y los mismos no constituyen la opinión de elEconomista. No obstante, elEconomista no tiene obligación de controlar la utilización de éstos por los usuarios y no garantiza que se haga un uso diligente o prudente de los mismos. Tampoco tiene la obligación de verificar y no verifica la identidad de los usuarios, ni la veracidad, vigencia, exhaustividad y/o autenticidad de los datos que los usuarios proporcionan y excluye cualquier responsabilidad por los daños y perjuicios de toda naturaleza que pudieran deberse a la utilización de los mismos o que puedan deberse a la ilicitud, carácter lesivo, falta de veracidad, vigencia, exhaustividad y/o autenticidad de la información proporcionada.