Objetivos: Diseñar y validar un modelo predictivo (etiología, perfil de sensibilidad y pronóstico) y de selección de tratamiento antibiótico basado en aprendizaje profundo (deep learning), aplicable en pacientes con infecciones sistémicas (bacteriemia) Metodología: Estudio prospectivo multicéntrico (6 centros).Se desarrollará un sistema automático de predicción y de formulación de recomendaciones de tratamiento antibiótico basado una herramienta de deep learning específica que utilizará como framework la aplicación Moriarty® de ITAINNOVA. El sistema de formulación de recomendaciones se basará en la jerarquización de las opciones de tratamiento posibles en diferentes escenarios mediante método Delphi.Se crearán una cohorte de aprendizaje (CA) y una cohorte de validación (CV) en cada centro:- CA: evaluación prospectiva de los pacientes de = 14 años con bacteriemia incluyendo variables del paciente (demográficas, comorbilidad), de la infección, microbiológicas, del tratamiento antimicrobiano y de la evolución clínica. Tras los primeros cinco meses se implementará la herramienta de DL para la selección de metaparámetros y la definición del modelo probabilístico de predicción y de selección de tratamiento antibiótico. - CV: Se evaluarán de los pacientes =14 años con bacteriemia durante 5 meses. El sistema automático realizará una predicción de etiología y perfil de sensibilidad a partir de los datos clave y se evaluará la concordancia con los resultados microbiológicos. Asímismo formulará una recomendación de tratamiento antibiótico que se comparará con el tratamiento realizado en práctica real utilizando el score REIPI-GEIRAS.
aprendizaje profundo
aprendizaje automático
machine learning
septicemia
gestión de antimicrobianos
resistencia a los antimicrobianos
Acción Estratégica en Salud (AES)
01/01/2019 - 31/12/2021
PAÑO PARDO, JOSE RAMON
FUNDACION INSTITUTO DE INVESTIGACION SANITARIA ARAGON
INSTITUTO DE INVESTIGACION SANITARIA ARAGON
Aragón
Zaragoza
159,720 €