El dolor de cuello actualmente se considera como una queja frecuente, muchos factores característicos de la vida moderna han propiciado que estos problemas se agraven con el tiempo ocasionando un incremento de tipologías de este dolor. Como es el caso del síndrome del cuello de texto. Este ha aparecido con el uso y comercialización masiva de los dispositivos móviles. El uso prolongado de estos dispositivos de una forma inadecuada hace que perdamos la posición más funcional que tiene el cuerpo para realizar el menor gasto energético, y en cuanto perdemos esa posición funcional, le generamos sobrecarga y estrés.
Si bien es cierto que los dispositivos han empeorado nuestra postura, gracias a estas tecnologías también, aparecen nuevas vías de solución a las dolencias generadas por estas incorrectas formas de sentarnos, acostarnos, etc. Un claro ejemplo, es el de un grupo de investigadores que decidieron comparar la capacidad de la Inteligencia Artificial (IA) con los modelos de regresión usados tradicionalmente para identificar los parámetros que predicen la evolución de los pacientes con dolencias del cuello.
Los resultados del estudio concluyen en que la IA ofrece resultados muy similares a los tradicionalmente usados y además optimiza la predicción de la evolución de cada paciente además de ayudar a individualizar el tratamiento óptimo en cada caso. La predicción de evolución de pacientes individuales con dolores cervicales se trata de un proceso complejo, e identificar los parámetros que predicen esa evolución es clave ya que permite tomar las decisiones clínicas más adecuadas para cada paciente concreto e individualizar su tratamiento, por eso, en este contexto, la Inteligencia Artificial puede jugar un papel muy importante.
Para dicha investigación se recogieron datos de 3.001 pacientes que hubiesen sido atendidos en la práctica clínica rutinaria de la sanidad española (en los ámbitos público, privado y concertado) y que hubiesen hecho el seguimiento de la evolución de los aspectos más significativos en esta dolencia: la intensidad del dolor, la intensidad del eventual dolor irradiado al brazo, y el grado de restricción que conlleva en las actividades diarias ("discapacidad"). Además, también se recogieron los datos de cada paciente sobre los 28 parámetros cuya utilidad para predecir esa evolución se había sospechado o demostrado previamente.
"Las herramientas basadas en IA son una gran ayuda a los métodos de análisis tradicionales"
Los resultados de esta investigación, que ha sido publicado en la revista científica internacional 'Journal of Clinical Medicine', indican que el rendimiento de los algoritmos de IA es similar al de los métodos de regresión tradicionales, es decir, los parámetros identificados con los distintos procedimientos dan lugar a modelos cuya sensibilidad, especificidad, exactitud y precisión para predecir si un paciente concreto va a mejorar, son similares.
No obstante, a pesar de que todos los algoritmos de IA identificaron los principales parámetros predictivos, el número total de los identificados por los distintos algoritmos fue distinto, dado que algunos detectaron parámetros que otros desecharon, y los desechados por distintos algoritmos fueron diferentes. Eso sugiere que, en el caso de la Inteligencia Artificial, usar varios algoritmos a la vez podría aumentar la confianza en la selección.
Todos los algoritmos también coinciden en que, en el caso del grado de discapacidad, los dos factores con mayor fuerza de asociación en la predicción de la evolución son que el paciente muestre imágenes radiológicas de "estenosis espinal" (lo que empeora su pronóstico) y que se le realice una intervención NRT (lo que lo mejora).
La investigadora de la Unidad de Bioestadística Clínica del Instituto de Investigación Sanitaria Puerta de Hierro-Segovia de Arana y coautora del estudio, Ana Royuela, señala que "las herramientas basadas en IA son una gran ayuda a los métodos de análisis tradicionales, complementando aspectos como el modelado de relaciones no lineales entre variables y reforzando los resultados obtenidos por ellos".
En este sentido, el especialista de la Unidad de Espalda del Hospital HLA Universitario Moncloa y coautor del estudio, el doctor Francisco Kovacs, apunta que "optimizar la predicción de la evolución de cada paciente ayuda a individualizar el tratamiento óptimo en su caso".