El estudio EXAM (EMR CXR AI Model) que ha contado con la participación de más de una veintena de hospitales de todo el mundo, junto con la empresa de tecnología de la salud NVIDIA han utilizado inteligencia artificial (IA) para predecir las necesidades de oxígeno de los pacientes con COVID-19 a escala global.

La iniciativa de este trabajo, publicado en ´Nature Medicine´, consistió en desarrollar una herramienta de inteligencia artificial para predecir la cantidad de oxígeno adicional que puede necesitar un paciente con COVID-19 en los primeros días de atención hospitalaria, utilizando datos de los cinco continentes. La técnica, conocida como aprendizaje federado, utilizó un algoritmo para analizar radiografías de tórax y datos de salud electrónicos de pacientes hospitalarios con síntomas de COVID-19. "El aprendizaje federado tiene un poder transformador para llevar la innovación de la IA al flujo de trabajo clínico", explicó la profesora Fiona Gilbert, responsable del estudio, radióloga y presidenta de Radiología en la Facultad de Medicina Clínica de la Universidad de Cambridge.

En el estudio se analizaron los resultados de alrededor de 10,000 pacientes con COVID-19 de todo el mundo, incluidos 250 que llegaron al Hospital de Addenbrooke en la primera ola de la pandemia en marzo / abril de 2020.

Para comprobar la precisión de EXAM, se probó en varios hospitales de todo el mundo, incluido el Hospital de Addenbrooke. Los resultados mostraron que predijo el oxígeno necesario dentro de las 24 horas posteriores a la llegada del paciente al departamento de emergencias, con una sensibilidad del 95 por ciento y una especificidad de más del 88 por ciento.

"Al desarrollar el modelo EXAM utilizando aprendizaje federado y datos objetivos y multimodales de diferentes continentes, pudimos construir un modelo generalizable que puede ayudar a los médicos de primera línea en todo el mundo ", según el primer autor del estudio, el Dr. Ittai Dayan, del Mass General Bingham en los EE. UU., donde se desarrolló el algoritmo EXAM.

"Nuestro trabajo continuo demuestra que este tipo de colaboraciones globales son repetibles y más eficientes, de modo que podamos satisfacer las necesidades de los médicos para abordar desafíos de salud complejos y epidemias futuras", concluyó la prof. Gilbert.