CIENCIA

Científico uruguayo desarrolló método para predecir cardiopatías isquémicas

A los 25 años, Ben Omega Petrazzini creó un modelo que usa inteligencia artificial para predecir el riesgo de enfermedades isquémicas un año antes de su diagnóstico

Ben Omega Petrazzini
Ben Omega Petrazzini

Este contenido es exclusivo para nuestros suscriptores.

¿Y si se pudiera identificar cada persona en riesgo de desarrollar una enfermedad cardiovascular y evitar su muerte? ¿Cuántos de los 8.300 uruguayos que murieron por esta causa en el año 2020 se hubiesen salvado?

Esas son dos preguntas que impulsan el trabajo de Ben Omega Petrazzini, un joven científico de 25 años que desarrolló un modelo que usa inteligencia artificial para predecir el riesgo de enfermedades isquémicas un año antes de su diagnóstico por los médicos.

“Una vez que se diagnostica una enfermedad coronaria el paciente está en riesgo todo el tiempo. Si lo agarrás antes, le cambiás la vida”, dijo Petrazzini a El País, quien cree que Uruguay tiene el potencial para implementar este tipo de tecnología para mejorar el diagnóstico y, por ende, la calidad de vida de una población que se enfrenta a un elevado índice de mortalidad por esta causa.

Así lo señaló: “En Uruguay se está armando una buena base de datos con registros clínicos, lo que le da, además por ser un país chiquito y con un sistema de salud bien aceitado, buenas características para evaluar estas predicciones”.

La posibilidad de entrenar a un sistema con 3,5 millones de historias clínicas no supone para Petrazzini ninguna dificultad. Ya consiguió hacerlo con 30.825 pacientes del Hospital Mount Sinai de Nueva York, para el que trabaja desde Montevideo, y 502.505 individuos británicos para generar el modelo que permite identificar 12,4% más casos un año antes de ser diagnosticados por un médico.

Y ahora sigue trabajando para aplicarlo a toda la base de datos del hospital: ocho millones de personas.

Trabaja para hospital de Nueva York desde su casa.

Al logro científico de Ben Omega Petrazzini hay que sumarle otro: haberlo conseguido con 25 años y desde Uruguay. Una vez que culminó la licenciatura en biología en la Facultad de Ciencias de la Universidad de la Républica y se capacitó en Bioinformática en el Institut Pasteur de Montevideo, participó de un congreso en México en 2019 que cambió sus planes. Una investigadora de la Escuela de Medicina Icahn del Hospital Mount Sinai de Nueva York le presentó al doctor Ron Do, quien le ofreció en enero de 2020 una pasantía en esa institución. “La idea era hacer una pasantía de unos meses y quedé trabajando para ellos. Me ofrecieron quedarme ahí pero yo quería volver a Uruguay porque quería seguir trabajando acá; me dijeron que podía trabajar remoto. Y me volví a fines de 2020”, contó a El País. Desde Montevideo, Petrazzini sigue haciendo estudios y descubrimientos para el hospital neoyorkino y quiso dejarlo en claro: “Que lo sepan otros estudiantes”.

Valores.

El estudio de Petrazzini fue recientemente publicado por el prestigioso Journal of the American College of Cardiology que, además, le dedicó una mención en su editorial para destacar la innovación y la calidad del aporte del uruguayo que ofrece una mejor performance que los actuales métodos recomendados por el Colegio de Cardiólogos de Estados Unidos.

“Este es el primer artículo que demuestra esto. Estamos liderando la implementación de esta herramienta”, apuntó el investigador del Institut Pasteur de Montevideo. Hasta ahora, la inteligencia artificial se aplicaba a imágenes médicas y no a datos en registros electrónicos.

¿Cómo funciona? En vez de tomar solo siete valores clínicos para estimar el riesgo cardiovascular como hacen los cardiólogos desde hace décadas, el modelo diseñado por Petrazzini se entrenó con aproximadamente 15 mil valores. De estos se destacó una decena por fuera de los valores habituales que, en conjunto, mejoran el diagnóstico y lo adelantan en el tiempo.

Por ejemplo, al indicador de la hipertensión y el colesterol, el método creado por el uruguayo evalúa, entre otros, la amplitud de distribución eritrocitaria (variación en el volumen y el tamaño de los glóbulos rojos), la tasa de filtración glomerular (cálculo de la cantidad de sangre que pasa a través de los glomérulos de los riñones por minuto), la oximetría de pulso, la hemoglobina A1c (mide la cantidad de azúcar en la sangre adherida a hemoglobina), la proteína eGFR (que participa en la multiplicación y supervivencia celular) y el diagnóstico de depresión. Estos no se usan para estimar el riesgo de enfermedades coronarias, lo que sugiere que las prácticas actuales no contemplan información relevante para la prevención de estas patologías.

“El score (de los cardiólogos) funciona muy bien pero está sesgado a esos siete valores. El algoritmo encuentra otras medidas diferentes que hoy no se consideran y consigue una predicción mucho mejor, una que supera el 12%”, analizó Petrazzini.

Lo que viene.

El joven científico, que continúa trabajando para el Hospital Mount Sinai de Nueva York desde Montevideo –una vez que finalizó una pasantía le ofrecieron quedarse pero Petrazzini quiso volver a su país e investiga desde acá–, varios objetivos para su modelo.

Lo está entrenando para que identifique características biológicas del paciente (no valores clínicos como ya ha hecho) y, por otro lado, para mejorar el diagnóstico de cáncer de próstata. Aquí se analizará en concreto el valor del PSA que puede ser un signo de cáncer de próstata pero también puede indicar otras patologías.

“Estamos tratando de demostrar que el modelo funciona para seis enfermedades paralelas para expresar que cualquier hospital lo puede usar para cualquier enfermedad”, contó a El País.

El estudio de Petrazzini impacta también en el uso de inteligencia artificial como herramienta para mejorar la medicina actual. “Nos alientan con entusiasmo los esfuerzos de Petrazzini para darnos un vistazo a las posibilidades de los enfoques basados en el aprendizaje automático que utilizan datos de registros electrónicos de salud ampliamente disponibles y de bajo costo para ‘construir una mejor trampa para ratones’ para la predicción del riesgo futuro de ateroesclerosis cardiovascular”, detallan los autores de la editorial en la revista.

El biólogo especializado en bioinformática va a presentar este trabajo en el Simposio de Inteligencia Artificial para Sistemas de Aprendizaje en Salud que se realizará del 22 al 24 de mayo en las Bermudas. Este congreso es impulsado por universidades como Harvard, Columbia, Johns Hopkins y Duke, entre otras.

Reportar error
Enviado
Error
Reportar error
Temas relacionados