Una investigación realizada para la utilización de algoritmos de aprendizaje automático (MLA) en el diagnóstico de la endometriosis sugiere que esta puede ser una prueba de detección prometedora.
En el estudio liderado por Sofiane Bendifallah (Department of Obstetrics and Reproductive Medicine, Hôpital Tenon, Paris, France), los autores utilizaron algoritmos de aprendizaje automático para facilitar, según se explica en el estudio, que médicos generales o incluso las propios pacientes estén en disposición de detectar la endometriosis.
Nuestros datos, afirman los investigadores, sugieren que el uso de algoritmos de aprendizaje automático podría ser una prueba de detección prometedora para médicos generales y ginecólogos”.
La endometriosis, enfermedad crónica en ocasiones invalidante que afecta en torno a una de cada diez mujeres en edad reproductiva, puede ocasionar mucho dolor durante la regla y la ovulación, dolor pélvico a menudo continuado, sangrados muy abundantes durante la menstruación, pérdidas de sangre entre reglas, molestias en las relaciones sexuales y, en ocasiones, puede llegar a impedir el embarazo.
Los investigadores, cuyas investigaciones fueron publicadas en la revista científica Scientific Reports, estudiaron el uso de algoritmos de aprendizaje automático (MLA) en el diagnóstico y la detección de endometriosis en función de 16 características clave de síntomas clínicos y basados en pacientes.
Para diseñar y entrenar los algoritmos de aprendizaje automático, recopilaron datos entre enero y mayo de 2021 de la plataforma de salud abierta, Ziwig Health (https://ziwig.com/, que contiene 8000 registros de pacientes con síntomas sugestivos de endometriosis con 500 características sobre diagnóstico, síntomas, imágenes, tratamiento médico, fertilidad, tratamientos quirúrgicos y seguimiento.
La innovación en inteligencia artificial, aprendizaje automático y aprendizaje profundo está emergiendo como un enfoque prometedor para resolver una variedad de problemas endémicos, incluida la endometriosis”.
Durante el período de estudio, se extrajeron datos de 1126 pacientes con endometriosis y 608 sin sin endometriosis para construir el modelo de diagnóstico. Una vez diseñado, para validar el programa se usó con 100 pacientes con diagnóstico seguro de endometriosis, concluyéndose que la sensibilidad de la eficiencia diagnóstica fue del 95% y la especificidad del 80%.
Teniendo en cuenta que el retraso en el diagnóstico puede llegar a extenderse entre 8 y 10 años y que este retraso puede provocar un tratamiento insuficiente, dolor continuo y un impacto prolongado de los síntomas, “ayudar a las pacientes a reconocer sus síntomas, se afirma en el estudio, es un paso crucial hacia el diagnóstico y el tratamiento eficaz de la endometriosis”.
La innovación en inteligencia artificial (IA), aprendizaje automático (ML) y aprendizaje profundo (DL) está emergiendo como un enfoque prometedor basado en datos estadísticos para resolver diversos problemas endémicos, incluida la endometriosis.
