Un enfoque basado en el aprendizaje automático para el diagnóstico urgente de envenenamiento en situaciones de emergencia

Abstract

Ante la magnitud de casos de intoxicación aguda, ya sea accidental o intencionada, que requieren admisión en los servicios de emergencia, la integración del enfoque in silico en el proceso de diagnóstico, pronóstico y tratamiento es de suma importancia. Este enfoque, centrado en la inteligencia artificial (IA), se basa en la predicción a partir de datos clínicos significativos, apoyando así a los profesionales y ayudándoles a identificar las sustancias tóxicas más probables. El objetivo es realizar una predicción antes de la etapa de confirmación, que a menudo requiere investigaciones biológicas y toxicológicas costosas y que llevan tiempo. Con esto en mente, nuestro trabajo se enfoca en el desarrollo de un algoritmo de Machine Learning (ML) capaz de predecir el agente tóxico causante, proporcionando información esencial sobre los signos clínicos predominantes. Aunque muchos estudios en la literatura han abordado el uso de la tecnología y la inteligencia artificial en el diagnóstico, monitoreo y farmacología, no encontramos publicaciones relacionadas con el uso de la inteligencia artificial en el diagnóstico o el apoyo al diagnóstico de casos de intoxicación. Esta innovación constituirá, por lo tanto, el punto fuerte de nuestro trabajo de investigación. Nuestro algoritmo de machine learning se basa en un proceso de predicción que se basa en el análisis exhaustivo de datos clínicos proporcionados por el examen clínico del paciente tan pronto como llega a la sala de emergencias. Al tener en cuenta un conjunto de parámetros como los síntomas presentes, el historial médico y las circunstancias que rodean la exposición, el modelo puede establecer vínculos relevantes entre los signos clínicos y los posibles agentes tóxicos. Al enfatizar la velocidad y precisión de la predicción, al tiempo que reconoce la importancia crucial de los análisis biológicos y toxicológicos para confirmar diagnósticos, nuestro enfoque tiene el potencial de optimizar la gestión clínica al dirigir al médico hacia medidas apropiadas más rápidamente. Como herramienta de apoyo a la toma de decisiones, ofrece una evaluación predictiva inicial relevante desde la admisión del paciente.