BLANDISH (Cerebro, Pérdida de Función, Aneurisma, Enfermedad, Lesión, Accidente Cerebrovascular, Hemorragia) (BLANDISH)

En NeuroICU, los tratamientos suelen seguir directrices basadas en consenso científico. A pesar de esto, el pronóstico de los pacientes con hemorragias intracraneales no ha mejorado significativamente en las últimas décadas, lo que genera resultados generalmente insatisfactorios. Si bien los ensayos controlados aleatorios (ECA) se consideran el estándar de oro para la investigación clínica, su realización puede resultar costosa y éticamente desafiante. Los estudios observacionales proporcionan un método alternativo, que ofrece conjuntos de datos más grandes que cubren períodos más largos, lo que puede ser más beneficioso y factible para ciertos esfuerzos de investigación.

Los algoritmos de aprendizaje automático (ML), a diferencia de los métodos estadísticos clásicos, tienen la capacidad de procesar una gran cantidad de variables, ofreciendo un enfoque personalizado y confiable para los proveedores de atención médica en la gestión de pacientes. Reconociendo la necesidad de estudios bien diseñados para identificar estrategias terapéuticas óptimas para pacientes neurocríticos y reconociendo las limitaciones de las pautas existentes, nuestro objetivo es aprovechar los programas de aprendizaje automático para desarrollar un sistema avanzado capaz de descubrir patrones de datos y vincularlos con resultados potenciales.

El proyecto BLANDISH se centra en pacientes con hemorragia intracerebral espontánea (HIC), una afección que carece de un tratamiento beneficioso demostrado. Al recopilar y analizar datos de pacientes con sICH ingresados ​​en neuroICU, el proyecto tiene como objetivo desarrollar un algoritmo de aprendizaje automático supervisado denominado BLANDISH.

Este algoritmo estratificará a los pacientes según el pronóstico, identificando aquellos con mayor riesgo de muerte y lesiones cerebrales secundarias. Al guiar a cada paciente hacia la estrategia terapéutica más específica, el algoritmo podría ayudar a mejorar los resultados de los pacientes y evaluar la eficacia de las prácticas clínicas actuales. Además, puede permitir al personal sanitario asignar mejor los recursos e introducir programas terapéuticos individualizados basados ​​en la medicina de precisión, lo que podría reducir los tiempos de hospitalización y los costes sanitarios.

El paso inicial en el desarrollo del algoritmo BLANDISH implica la recopilación de datos clínicos, almacenados en un lago de datos estructurado, que sirve como depósito de datos. Esta plataforma recopilará información sobre el curso clínico de los pacientes con HIC ingresados ​​en neuroICU. Después de la recopilación de datos, los siguientes pasos incluyen el preprocesamiento, la selección de variables correlacionadas con la mortalidad del paciente y el entrenamiento del algoritmo con datos de entrada y validación interna para controlar su comportamiento. A continuación se realizará una validación externa, que implicará la recopilación de datos de varios centros clínicos para evaluar la fiabilidad y la capacidad de generalización del algoritmo. Luego se llevará a cabo un estudio clínico observacional multicéntrico para validar el algoritmo BLANDISH, con el objetivo de determinar su impacto en los resultados de los pacientes con SICH. Esta última fase incluye un estudio de supervivencia que compara a los pacientes del grupo experimental (cuyo tratamiento está guiado por BLANDISH) con los que siguen la práctica clínica habitual. El proyecto tiene como objetivo demostrar la superioridad del enfoque de aprendizaje automático sobre las pautas actuales, evaluando la precisión y las posibles mejoras en el manejo de pacientes en diferentes entornos de atención.