Ribera Salud ha desarrollado un modelo predictivo que vaticina qué pacientes Covid-19 ingresados pueden necesitar atención en la Unidad de Cuidados Intensivos (UCI). El equipo de Data Science de FutuRS, la filial tecnológica del grupo sanitario, 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.
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.
Ribera Salud tiene previsto ofrecer esta tecnología a los gobiernos de las regiones donde opera, tanto en España como a nivel internacional, como parte de su compromiso con la sociedad, para compartir las mejores prácticas como ya hizo en el seminario organizado por el IFC (International Finance Corporation) del Banco Mundial.
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
Mireia Ladios, Jefa corporativa de Calidad de Ribera Salud, asegura que “la detección temprana del empeoramiento clínico supone un elemento diferenciador de calidad, en un entorno de alta exigencia como la actual pandemia del Coronavirus. 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 coronavirus, 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 (FutuRS) y Adrián Belso, Data Science Lead (FutuRS); 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”.