Rev Esp Quimioter 2023; 36(6): 592-596
Identificación de los datos más importantes para el desarrollo de inteligencia artificial en el campo de las enfermedades infecciosas
ADRIÁN TÉLLEZ SANTOYO, CARLOS LOPERA, ANDREA LADINO VÁSQUEZ, FERRAN SEGUÍ FERNÁNDEZ, IGNACIO GRAFIÁ PÉREZ, MARIANA CHUMBITA, TOMASSO FRANCESCO AIELLO, PATRICIA MONZÓ, OLIVIER PEYRONY, PEDRO PUERTA-ALCALDE, CELIA CARDOZO, NICOLE GARCIA-POUTON, PEDRO CASTRO, SARA FERNÁNDEZ MÉNDEZ, JOSÉ MARÍA NICOLAS ARFELIS, ALEX SORIANO VILADOMIU, CAROLINA GARCIA-VIDAL
Published: 12 August 2023
http://www.doi.org/10.37201/req/032.2023
Objetivos. Los datos clínicos sobre los que se entrenan y prueban los algoritmos de inteligencia artificial (IA) proporcionan la base para mejorar el diagnóstico o el tratamiento de las enfermedades infecciosas (EI). Nuestro objetivo es identificar datos importantes para la investigación de las enfermedades infecciosas con el fin de priorizar los esfuerzos realizados en los programas de IA.
Material y métodos. Se buscaron 1.000 artículos de revistas de EI de alto impacto en PubMed, seleccionando 288 de los últimos artículos en 10 revistas de primer nivel. Los clasificamos en datos estructurados o no estructurados. Las variables se homogeneizaron y agruparon en las siguientes categorías: epidemiología, ingreso, demografía, comorbilidades, manifestaciones clínicas, laboratorio, microbiología, otros diagnósticos, tratamiento, desenlace y otras variables no categorizables.
Resultados. Se recogieron 4.488 variables individuales, procedentes de 288 artículos. 3670 (81,8%) variables se clasificaron como datos estructurados, mientras que 818 (18,2%) como datos no estructurados. De los datos estructurados, 2.319 (63,2%) variables se clasificaron como directas -recuperables a partir de historias clínicas electrónicas-, mientras que 1.351 (36,8%) fueron indirectas. Los datos no estructurados más frecuentes estabannrelacionados con las manifestaciones clínicas y se repetían en todos los artículos. Los datos sobre demografía, comorbilidades y microbiología constituyeron el grupo más frecuente de variables.
Conclusiones. Este artículo identificó que las variables estructuradas han constituido los datos más importantes en la investigación para generar conocimiento en el campo de la EI. La extracción de estos datos debería ser una prioridad cuando un centro médico pretende iniciar un programa de IA para la EI. También hemos documentado que los datos no estructurados más importantes en este campo son los relacionados con las manifestaciones clínicas. Estos datos podrían estructurarse fácilmente con el uso de historias clínicas semiestructuradas centradas en unos pocos síntomas.
Rev Esp Quimioter 2023; 36(6): 592-596 [Full-text PDF] [Supplementary material PDF]
