Predicción de Enfermedades Infecciosas en Países de Ingresos Bajos y Medios Utilizando Datos de Historias Clínicas Electrónicas (DiGi)

El dengue es una enfermedad infecciosa emergente rápidamente en el sur y sudeste asiático. El diagnóstico definitivo requiere pruebas de laboratorio (PCR o prueba de antígenos) que a menudo no están disponibles en los entornos con mayor incidencia. Identificar correctamente a los pacientes que tienen dengue, y al pequeño número de pacientes con dengue que progresarán a enfermedad grave, es importante para garantizar la institución oportuna de tratamientos apropiados.

Los modelos existentes utilizan una combinación de características clínicas y de laboratorio. Un modelo desarrollado y probado con datos de 397 pacientes ingresados en el Hospital de Enfermedades Tropicales de Bangkok en 2013-2014 utilizó modelado bayesiano de variables (recuento hepático y sanguíneo completo) y síntomas clínicos (incluyendo fiebre, petequias, sangrado) para distinguir el dengue de otras enfermedades febriles. El modelo resultante obtuvo un AUC de 0,75 que mejoró a 0,8 cuando se incluyó NS1. Las puntuaciones de Falla Secuencial de Órganos (SOFA), o versiones modificadas, utilizan datos de signos vitales y análisis de sangre (hepático, renal y hematológico) y son buenos indicadores de aquellos con probabilidad de morir. Sin embargo, funcionan menos bien en enfermedades moderadamente graves (por ejemplo, prediciendo la necesidad de ingreso en UCI).

Estos enfoques son prometedores, pero están limitados por una generalizabilidad limitada, el uso de múltiples análisis de sangre y síntomas clínicos. Una herramienta sencilla y de bajo costo capaz de diagnosticar rápidamente el dengue y predecir la gravedad de la enfermedad sería de gran valor en la región. Con los métodos modernos de aprendizaje automático, esto ahora es factible y las barreras identificadas anteriormente, como la necesidad de grandes cantidades de datos de entrenamiento, ahora pueden superarse. Por ejemplo, se pueden crear modelos a partir de grandes conjuntos de datos, pero luego optimizarlos para conjuntos de datos más pequeños y diferentes (datos ya sea de otras ubicaciones/condiciones, o con menos datos de entrada).

Anteriormente hemos demostrado que los algoritmos de aprendizaje automático basados en datos podrían generalizarse en múltiples Trusts del Servicio Nacional de Salud (NHS) del Reino Unido (para predecir COVID-19). Aunque inicialmente entrenados con datos de más de 77.000 pacientes, creamos un modelo que requiere solo datos de signos vitales y recuento sanguíneo al lado de la cama capaz de predecir el diagnóstico de COVID-19 en pacientes que se presentan en hospitales del Reino Unido. Hemos demostrado la capacidad de adaptar este modelo para un entorno de país de ingresos medios-bajos (LMIC) utilizando datos de dos hospitales vietnamitas. Los modelos adaptados lograron AUROCs alrededor de 0,75 y AUPRCs alrededor de 0,89 (similar a los sitios del Reino Unido donde estaban disponibles cantidades mucho mayores de datos). Realizar "aprendizaje por transferencia", por el cual un pequeño subconjunto de datos del Reino Unido se utilizó para apoyar el desarrollo del modelo en Vietnam, mejoró los rendimientos entre un 5-10%. También encontramos que el uso de métodos estadísticos para abordar valores faltantes puede mejorar aún más el rendimiento predictivo en un 2-5%. Este modelo de aprendizaje automático también puede funcionar como un 'modelo de referencia' y adaptarse para una nueva tarea, es decir, el dengue.