Koa Health ha desarrollado un modelo de aprendizaje automático que utiliza historias clínicas electrónicas anónimas para supervisar continuamente a los pacientes en busca de riesgo de crisis de salud mental. Se ha comprobado que el modelo predice correctamente más de la mitad de las crisis con 28 días de antelación, sin una tasa considerable de falsos positivos. Un estudio posterior de seis meses de duración evaluó el uso del algoritmo de Koa Health en la práctica clínica. Hasta en un 64% de los casos, el modelo demostró ser clínicamente valioso, tanto en lo que respecta a la gestión de los casos como a la mitigación del riesgo de crisis.

Roger Garriga, estudiante de doctorado del Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF, es el primer autor de la investigación, publicada en la revista Nature Medicine. Garriga explica que “hemos analizado las historias clínicas electrónicas de más de 17 mil pacientes de salud mental para desarrollar un modelo de aprendizaje automático que predice las próximas crisis de salud mental en las cuatro semanas siguientes.

Nuestro algoritmo fue diseñado para proporcionar una puntuación de riesgo actualizada semanalmente para todos los pacientes con un historial de recaídas para apoyar decisiones clínicas con una ventana de tiempo suficiente para que los médicos apliquen medidas preventivas”. Añade que “esta investigación muestra cómo la colaboración entre los científicos de datos y los profesionales de la salud puede conducir a la atención preventiva, teniendo un gran impacto en la vida de los pacientes."

“Hemos analizado las historias clínicas electrónicas de más de 17.000 pacientes de salud mental para desarrollar un modelo de aprendizaje automático que predice las próximas crisis de salud mental en las cuatro semanas siguientes"