Uso del aprendizaje automático (machine learning) y la inteligencia artificial para mejorar el tratamiento antibiótico empírico de los pacientes hematológicos con neutropenia febril.

Resumen del proyecto

Objetivos: La terapia antibiótica empírica inicial inadecuada en pacientes neutropénicos con bacteriemia es más frecuente de lo deseable y se relaciona con un peor pronóstico. La mayoría de estos tratamientos inapropiados están relacionados con infecciones causadas por bacilos gramnegativo resistes a antibióticos (GNB-MDR). La cobertura antibiótica empírica para tratar cualquier GNB-MDR es imposible de ofrecer a todos los pacientes. Los algoritmos clínicos que permiten establecer el riesgo de infección por GNB-MDR en pacientes neutropénicos son escasos y se han realizado con métodos estadísticos clásicos. Como consecuencia, tienen baja sensibilidad y muy baja especificidad. Nuestro objetivo principal es demostrar que con las nuevas técnicas disponibles de análisis de grandes datos podemos crear un modelo con aprendizaje automático (Machine Learning) capaz de identificar y predecir los pacientes con neutropenia febril que tendrán bacteriemia y bacteriemia por GNB-MDR. Posteriormente queremos desarrollar un programa de inteligencia artificial que sea capaz de aconsejar un antibiótico empírico según el riesgo establecido por el ML. Por último buscamos demostrar prospectivamente que el uso de nuestros programas disminuirá la tasa de tratamiento inicial inapropiado en pacientes con neutropenia febril en comparación con el juicio clínico. Metodología: fase inicial: estudio de recolección automatica de datos y aprendizaje automático (machine learning) desde los registros médicos (2004-2017; 9100 episodios de neutropenia febril) siguiendo las técnicas estandar; fase final: producción del algoritmo para realizar una recomendación antibiótica con inteligencia artificial y validación prospectiva (2019-2020; se estima 980 episodios).

Palabras clave

neutropenia febril
bacteriemia
multirresistencia
machine learning
aprendizaje automático

Convocatoria

Acción Estratégica en Salud (AES)

Periodo de ejecución

01/01/2019 - 31/12/2021

Investigador Principal

GARCIA VIDAL, CAROLINA

Centro beneficiario

INSTITUTO DE INVESTIGACIONES BIOMEDICAS AUGUST PI I SUNYER (IDIBAPS)

Centro de realización

INSTITUTO DE INVESTIGACIONES BIOMEDICAS AUGUST PI I SUNYER (IDIBAPS)

Comunidad Autónoma

Cataluña

Provincia

Barcelona

Financiación

134,310 €