L’I3PT desenvolupa un model d’intel·ligència artificial per diagnosticar l’asincronia de flux en pacients crítics

• L’algoritme és capaç de reconèixer patrons en els senyals de respiració del pacient a partir de casos que ha après anteriorment

• La seva implementació permetrà detectar i classificar a temps un tipus d’asincronia molt lesiva per al pulmó que actualment està infradiagnosticada

 Quan un pacient no pot respirar de manera efectiva i ha de ser connectat a un ventilador mecànic, és important que el ritme de la seva respiració i el de la màquina estiguin sincronitzats. Sovint, però, el pacient necessita més aire del que la màquina li està donant en aquell moment, bé sigui per un flux d’aire insuficient o per un esforç inspiratori elevat. Aquesta descoordinació entre el pacient i el ventilador s’anomena asincronia de flux i si no és detectada a temps pot ser molt lesiva per al pulmó.

Encara avui, l’única manera que tenen els professionals de l’UCI d’identificar aquest tipus d’asincronia és mitjançant la inspecció visual de les ones del ventilador mecànic, fet que comporta que el seu diagnòstic clínic sigui dificultós i propens a errors. “Amb el mètode actual, l’asincronia de flux està molt infradiagnosticada. Els ventiladors no estan preparats per avisar de forma automàtica quan se n’està produint una i l’equip  no pot estar pendent de mirar les ones de la pantalla durant les 24 hores del dia”, explica Cande de Haro, metgessa intensivista i investigadora de l’Institut d’Investigació i Innovació Parc Taulí (I3PT).

L’intensivista Cande de Haro, investigadora principal del projecte, en un box d’UCI

Per solucionar aquest escenari, De Haro, juntament amb un equip format per personal investigador i assistencial de perfils multidisciplinaris, com metges i enginyers, de l’Institut, ha desenvolupat un model d’intel·ligència artificial supervisada per a identificar i classificar a temps l’asincronia de flux en el mode de ventilació mecànica de volum control –caracteritzat per entregar un volum d’aire constant a cada respiració. Aquest algoritme és capaç de reconèixer patrons en els senyals de respiració del pacient a partir de casos que ha après anteriorment, i d’aquesta manera detectar quan s’està produint una mala interacció pacient-ventilador i el nivell de gravetat de l’asincronia.

“El nostre model utilitza tècniques avançades d’aprenentatge profund (Deep Learning) que imiten el funcionament del cervell humà i poden aprendre patrons complexos a partir de dades que prèviament li hem donat”, detalla Verónica Santos, enginyera de l’I3PT i una de les persones encarregades de configurar el model. Cada una d’aquestes dades correspon a un cicle de ventilació mecànica durant una asincronia de flux i està etiquetada en funció de la seva gravetat. Al llarg de l’entrenament, l’algoritme ha analitzat i memoritzat més de 6.500 cicles diferents.

L’enginyera Verónica Santos, una de les persones encarregades de desenvolupar i entrenar l’algoritme

Amb l’objectiu de garantir la fiabilitat i precisió del model, s’ha dut a terme un estudi multicèntric i observacional amb pacients crítics adults connectats a ventilació mecànica durant més de 24 hores per obtenir un conjunt de dades ampli i representatiu de dos hospitals diferents: l’Hospital Universitari Parc Taulí i el St. Michael’s Hospital de Toronto. Alhora, s’ha comptat amb cinc experts en cures intensives per classificar i etiquetar cada un dels cicles, assegurant així que les etiquetes utilitzades per entrenar el model siguin precises i confiables. També s’han fet anàlisis de mètriques de rendiment per testar l’efectivitat del model i una subanàlisi de pressió esofàgica.

Un model amb recorregut

Un dels principals reptes de l’equip és la validació d’aquest model en altres modes de ventilació mecànica, com el de pressió control –caracteritzat per mantenir una pressió d’aire constant als pulmons del pacient. “Abans d’incorporar l’algoritme en la pràctica clínica, ens volem assegurar que és capaç d’adaptar-se i de funcionar de manera correcta en altres modes de ventilació molt freqüents”, assenyala De Haro. Un cop s’aconsegueixi això, apunta, “la intenció serà pensar en com implementar-ho als ventiladors com una alerta automàtica i en plataformes com BetterCare, una spin-off del Parc Taulí amb la qual col·laborem i que ja analitza asincronies amb algoritmes desenvolupats prèviament per nosaltres”.