Inteligencia Artificial ayuda a CCSS a crear modelos para proyectar futuro de diabetes

Esto es posible con la gran cantidad de datos que se tienen de los asegurados en el expediente digital único en salud (EDUS), los cuales, una vez anonimizados (es decir, sin revelar datos sensibles), se pueden analizar.

El plan es crear con estos resultados campañas de prevención, tamizaje y abordaje en tratamiento. De la misma forma, ya se está en planes para desarrollar modelos predictivos similares con el infarto agudo de miocardio y con la enfermedad renal crónica.

Una de las razones por las cuales la entidad comenzó con diabetes es por la gran prevalencia, es decir, el alto número de personas que sufren la enfermedad en el país. Esto facilitaba tener muchos datos para “entrenar” el sistema de inteligencia artificial y poner a prueba el modelo predictivo antes de echarlo a andar.

La otra razón radica en la alta incidencia, que describe el número de casos nuevos por año.

De acuerdo con Eduardo Rodríguez Cubillo, médico especialista en Salud Pública y jefe del componente clínico del sistema EDUS, los modelos permitirían a las diferentes instancias de la CCSS saber qué estrategias desarrollar para detectar de forma temprana la enfermedad y evitar complicaciones, como problemas de la vista, fallos renales y amputaciones. Pero, además, ayudaría a desarrollar campañas de prevención para evitar que este mal crónico se desarrolle.

Hay que considerar, además, que muchas personas no conocen su diagnóstico y eso posibilitaría ayudarles, recordó Rosa María Matarrita Chaves, ingeniera informática a cargo del sistema.

Impacto en tres niveles

Para Manuel Rodríguez Arce, director de EDUS, con el modelo predictivo se tomarían decisiones en tres niveles.

Primero, a nivel nacional o central, donde las autoridades de salud tendrán a su alcance los datos para llevar el pulso a la situación país, saber dónde están los mayores problemas, en qué grupos de edad y sexo, con lo cual trazar políticas públicas de salud enfocadas en las áreas más necesarias. De esta forma, no solo se tendrá mejor salud preventiva y detección temprana, sino también se ahorrarán costos, ya que las complicaciones asociadas a la diabetes pueden ser muy caras.

El segundo nivel es para las regiones y las áreas de salud. El modelo también les permitirá saber, a lo interno de cada población específica, cómo está el riesgo de desarrollar la enfermedad y si tienen un comportamiento diferente al de la media nacional para actuar con base en esa información. Cada área de salud podrá entonces diseñar planes de acción específicos a las características de su población.

Los especialistas enfatizaron en que estos datos tienen variables demográficas como factores de riesgo, edad, sexo y lugar de residencia de las personas, pero no así de sus nombres u otros datos sensibles que puedan identificarlos.

Finalmente, a futuro se podría trabajar un tercer nivel, en el que este modelo ya estaría en el expediente digital de cada paciente y, al momento de una cita médica, el médico sabría cuáles son los factores de riesgo que los hace proclives a la enfermedad. A partir de esos datos, el profesional en salud podría recetar exámenes o pruebas para descartar si ya es diabético, o indicarle cómo mantenerse bajo control sin enfermar con solo cambiar sus factores de riesgo.

¿Cómo funciona esta tecnología?

¿Cómo funciona la IA en este modelo predictivo? Se tomaron en cuenta los datos de 1.071.328 asegurados adultos que han recibido atención con la CCSS y que no tienen un diagnóstico de diabetes. Luego de ponderar varios factores de riesgo para la diabetes, se escogieron los 10 más determinantes y se comenzó a educar al sistema con base en ellos.

Se introdujo el 70% de los datos de las personas con diagnóstico de diabetes para “entrenar” el modelo y el restante 30% se usó para ponerlo a prueba y ver con cuánta facilidad podía predecir. Finalmente, se aplicó el modelo en personas sin esta condición.

De esta forma se crearon los algoritmos que pueden proyectar el riesgo de diabetes con un 95% de confianza.

Rosa María Matarrita comentó que, aunque la cantidad de adultos en Costa Rica es mucho mayor, se tomó como base a quienes han asistido a consultas y tienen su expediente, dado que no todas las personas acuden a los servicios públicos de salud y muchas dejaron de hacerlo hace varios años.

Los datos existentes se comparan con las variables para medir un nivel de riesgo y con base en esos tomar decisiones, explicó Rodríguez Arce.

Según Matarrita, la IA busca emular la inteligencia humana y, con base en la información obtenida, analizar cosas que analizaría un humano, pero de forma mucho más rápida y compleja.

“Toma todas esas variables que, si un clínico se sienta a estudiarlas podría durar 30 minutos por persona o más, la inteligencia artificial te hace en cuatro minutos un millón de personas. Y toma en cuenta patrones que no son fácilmente identificables”, manifestó.

Rodríguez Cubillo recalcó que es inteligencia clínicamente asociada a la salud pública con los datos diseñados específicamente para nuestro país. Esto haría más exacta la toma de decisiones y la mejora de las condiciones de vida de las diferentes poblaciones. El modelo predictivo facilitaría la atención.