La colangitis aguda es una infección bacteriana potencialmente mortal que a menudo se asocia con cálculos biliares. Los síntomas incluyen fiebre, ictericia, dolor en el cuadrante superior derecho y enzimas hepáticas elevadas.
Si bien estos pueden parecer síntomas distintivos y reveladores, desafortunadamente, son similares a los de una afección muy diferente: la hepatitis asociada al alcohol. Esto representa un desafío para el personal del departamento de emergencias y otros profesionales de la salud que necesitan diagnosticar y tratar a pacientes con anomalías en las enzimas hepáticas y respuestas inflamatorias sistémicas.
Una nueva investigación de Mayo Clinic encuentra que los algoritmos de aprendizaje automático pueden ayudar al personal de atención médica a distinguir las dos condiciones. En un artículo publicado en Procedimientos de la Clínica Mayolos investigadores muestran cómo los algoritmos pueden ser herramientas predictivas efectivas utilizando algunas variables simples e información clínica estructurada disponible de forma rutinaria.
“Este estudio fue motivado por ver a muchos proveedores médicos en el departamento de emergencias o UCI luchar para distinguir la colangitis aguda y la hepatitis asociada al alcohol, que son condiciones muy diferentes que pueden presentarse de manera similar”, dice Joseph Ahn, MD, un gastroenterólogo de tercer año y becario de hepatología en Mayo Clinic en Rochester. El Dr. Ahn es el primer autor del estudio.
“Desarrollamos y entrenamos algoritmos de aprendizaje automático para distinguir las dos condiciones utilizando algunos de los valores de laboratorio disponibles de forma rutinaria que todos estos pacientes deberían tener”, dice el Dr. Ahn. “Los algoritmos de aprendizaje automático demostraron un rendimiento excelente para discriminar las dos condiciones, con más del 93 % de precisión”.
Los investigadores analizaron los registros de salud electrónicos de 459 pacientes mayores de 18 años que ingresaron en Mayo Clinic en Rochester entre el 1 de enero de 2010 y el 31 de diciembre de 2019. A los pacientes se les diagnosticó colangitis aguda o hepatitis asociada al alcohol.
Se recogieron diez valores de laboratorio disponibles de forma rutinaria en el momento del ingreso. Después de la eliminación de los pacientes cuyos datos estaban incompletos, quedaron 260 pacientes con hepatitis asociada al alcohol y 194 con colangitis aguda. Estos datos se utilizaron para entrenar ocho algoritmos de aprendizaje automático.
Los investigadores también validaron externamente los resultados utilizando una cohorte de pacientes de la UCI que fueron atendidos en el Centro Médico Beth Israel Deaconess en Boston entre 2001 y 2012. Los algoritmos también superaron a los médicos que participaron en una encuesta en línea, que se describe en el artículo.
“El estudio destaca el potencial de los algoritmos de aprendizaje automático para ayudar en la toma de decisiones clínicas en casos de incertidumbre”, dice el Dr. Ahn. “Hay muchos casos de gastroenterólogos que reciben consultas para una colangiopancreatografía retrógrada endoscópica urgente en pacientes que inicialmente niegan un historial de consumo de alcohol pero luego resultan tener hepatitis asociada al alcohol. En algunas situaciones, la incapacidad de obtener un historial confiable de pacientes con alteraciones el estado mental o la falta de acceso a modalidades de imágenes en áreas desatendidas pueden obligar a los proveedores a tomar una determinación basada en una cantidad limitada de datos objetivos”.
Si se puede acceder fácilmente a los algoritmos de aprendizaje automático con una calculadora en línea o una aplicación de teléfono inteligente, pueden ayudar al personal de atención médica que se enfrenta urgentemente a un paciente gravemente enfermo con enzimas hepáticas anormales, según el estudio.
“Para los pacientes, esto conduciría a una mayor precisión diagnóstica y reduciría la cantidad de pruebas adicionales o la solicitud inapropiada de procedimientos invasivos, lo que puede retrasar el diagnóstico correcto o someter a los pacientes al riesgo de complicaciones innecesarias”, dice el Dr. Ahn.
Los autores son de la División de Gastroenterología y Hepatología y de la División de Medicina Interna de Mayo Clinic en Rochester, y del Departamento de Informática de la Universidad de Hanyang en Seúl, Corea del Sur. El coautor Yung-Kyun Noh recibió el apoyo en esta investigación del Samsung Research Funding and Incubation Center de Samsung Electronics. Los autores no reportan intereses contrapuestos.
Fuente de la historia:
Materiales proporcionados por Clínica Mayo. Original escrito por Jay Furst. Nota: el contenido se puede editar por estilo y longitud.