A apnea obstrutiva do sono é un trastorno no que a respiración dunha persoa se detén e reinicia de maneira repetida mentres dorme. Isto ocorre porque as vías respiratorias superiores se bloquean ou colapsan, o que interrompe o fluxo normal de aire aos pulmóns. Este problema pode afectar a calidade do sono, xa que as persoas con apnea adoitan espertar varias veces durante a noite sen decatarse. Isto leva a unha fatiga constante durante o día, problemas de concentración, dores de cabeza, e mesmo pode aumentar o risco de sufrir outras doenzas, como hipertensión, problemas cardíacos ou accidentes cerebrovasculares.
O habitual é que estas persoas cheguen á súa consulta de atención primaria referindo cansazo ao longo do día ou pequenos momentos nos que se quedan durmidas durante as súas tarefas cotiás, de maneira que son derivadas ás Unidades de Trastornos Respiratorios do Sono para realizar un diagnóstico. Manuel Casal Guisande, enxeñeiro industrial e investigador no grupo NeumoVigo do Instituto de Investigación Sanitaria Galicia Sur (IISGS), explica que “hai unha derivación de persoas que cumpren determinados descritores demográficos que se relacionan coa enfermidade, ou incluso sen cumprir con estes criterios, de maneira que ás unidades chega un volume moi elevado de pacientes“. Así, segundo o investigador, a Área Sanitaria de Vigo recibe arredor de 2.000 novos pacientes cada ano por sospeita de apnea obstrutiva do sono.
Por este motivo, o grupo NeumoVigo decidiu enfocar os seus esforzos na investigación de modelos que puideran axudar a profesionais de medicina de familia e especialistas a predicir quen podería ter a patoloxía, con que gravidade e quen podería beneficiarse do tratamento. Actualmente manteñen un enfoque transversal, explorando o uso da intelixencia artificial (IA) como un apoio na toma de decisións.
O proxecto DIOSA
Con este obxectivo de integrar a IA na predición, manexo e xestión de enfermidades respiratorias, incluíndo a apnea do sono, o grupo vén de obter unha bolsa do Instituto de Saúde Carlos III para impulsar o seu proxecto DIOSA (Design and Intelligence for Obstructive Sleep Apnea), consistente en varias fases.
Ata o momento, para determinar o risco de padecer apnea obstrutiva do sono, os profesionais da saúde baséanse no índice de apnea-hipopnea (IAH), que se calcula mediante unha relación entre os eventos respiratorios e as horas de sono. Estes eventos son episodios nos que ten lugar a obstrución da vía aérea durante o sono, ben de maneira total ou parcial. “Considérase que tes unha apnea leve cando tes menos de 15 eventos por hora, moderada cando son entre 15 e 30 e severa se son máis de 30“, sinala Casal.
Con todo, co uso da IA, os investigadores pretenden “utilizar datos antropométricos ou da historia clínica para predicir que nivel de IAH podería ter o paciente. Isto sería moi interesante, posto que xa se podería saber dende a propia atención primaria”. Polo tanto, o primeiro motor de inferencia que utilizan sería o encargado de realizar esta tarefa, mentres que o segundo se encargaría de determinar a posible adherencia ao tratamento.
“O máis habitual que os pacientes con apnea obstrutiva do sono sexan tratados con terapia CPAP (polas súas siglas en inglés, Presión Positiva Continua na Vía Aérea). Isto é, unha máscara que se pon durante a noite e que evita o colapso da vía aérea. Con todo, non todos os pacientes se adhiren a esta terapia ou non se van beneficiar dela. Por isto, o segundo propósito do proxecto é anticipar quen podería ser apto para esta terapia en base a datos clínicos dispoñibles na súa historia electrónica”, remarca o enxeñeiro.
Nun dos seus últimos estudos, o grupo presentou resultados que mostraron un alto nivel de precisión na estratificación de pacientes con apnea do sono, superando nalgúns casos os métodos de diagnóstico convencionais. Nos próximos anos, Casal, investigador principal do proxecto xunto coa pneumóloga María Torres Durán, agarda poder validar esta ferramenta e explorar a súa externalización a outras unidades respiratorias do resto de hospitais galegos co obxectivo de mellorar a xestión do diagnóstico, reducir o infradiagnóstico e facilitar decisións clínicas máis precisas.
Os retos da implementación
A futura implementación de tecnoloxías de IA no sistema sanitario, unha vez validada a ferramenta, está marcada por algunhas facilidades, mais tamén por retos importantes. Un dos puntos fortes é que o proxecto DIOSA está deseñado en colaboración estreita entre enxeñeiros e médicos, adaptándose así ás necesidades reais dos profesionais sanitarios.
Ademais, “partimos dunha base de datos clínica recompilada na última década pola Unidade de Pneumoloxía do Complexo Hospitalario Universitario de Vigo (Chuvi), que ten unha información moi valiosa. Recollen moita máis información que a que se adoita recoller noutras unidades especializadas“, apunta Casal. Isto, se ben é unha vantaxe na investigación, tamén implica que a externalización da ferramenta dependa da dispoñibilidade dos datos doutros hospitais ou da súa intención de integrar os datos que, polo momento, non están a recoller. Con todo, dende NeumoVigo, teñen claro que o obxectivo é a sinxeleza do sistema: “Non queremos introducir toda a base de datos, senón que poidamos garantir un éxito nas predicións cun número mínimo de variables“.
Outro desafío importante é a xeneralización das ferramentas. “O que buscamos normalmente é que sexan quen de adaptarse ao contexto e non ser útiles só coa poboación de pacientes empregada para facer o modelo. Quizais noutras unidades non recollen os datos da mesma maneira ou a poboación da zona presenta características diferentes”, explica o investigador.
Ademais, está o reto lexislativo: “Nós agora contamos co visto bo do Comité Ético de Galicia para empregar estes datos con propósitos de investigación, mais a validación e a posible integración dentro do sistema sanitario pode ser algo complexo”.
A IA noutras patoloxías
A aplicación destas ferramentas non se limita á apnea do sono. O equipo tamén está a traballar en enfermidades respiratorias como a EPOC (enfermidade pulmonar obstrutiva crónica), utilizando enfoques similares. “O que fixemos foi atopar subgrupos, como se fosen clústers de pacientes que presentan exacerbacións por EPOC”, comenta o investigador. Estes subgrupos revelaron factores non tidos en conta habitualmente, como a dependencia dos pacientes: “Aqueles que non son quen de facer tarefas básicas do seu día a día presentan un poder preditivo moi elevado. Isto permite determinar se eses pacientes poden falecer nun tempo reducido ou se van precisar outro ingreso hospitalario de xeito prematuro”.
Esta información permite aos médicos anticiparse utilizando unhas poucas variables. “O feito de que os especialistas poidan contar con ferramentas que lles axuden a caracterizar a poboación é moi útil porque poden facer o que se coñece como medicina personalizada, dando uns tratamentos e coidados dirixidos a mellorar as súas circunstancias”, engade Casal.
Outra das condicións que abordan no grupo é o déficit de Alfa-1 Antitripsina (DAAT), que predispón ao desenvolvemento de EPOC. “A nivel europeo existe o rexistro EARCO (European Alpha-1-Research Collaboration), sendo o Hospital Álvaro Cunqueiro de Vigo o primeiro proporcionando pacientes para a base de datos. Esta é unha liña na que tamén estamos aplicando enfoques similares e creando clústers de pacientes. Aínda está pendente de publicación, mais atopamos grupos con características moi particulares, por exemplo no caso das mulleres, que a priori pasaban desapercibidas“.
Este enfoque busca unha atención máis eficaz, adaptada ás características e necesidades de cada persoa: “Entendo que os esforzos van cara aí, darlle a cada paciente o que precisa. A poboación cada vez é maior e hai menos recursos. Hai que tratar de optimizalos de xeito que haxa un maior éxito para o sistema e, sobre todo, para o propio paciente”, manifesta Casal.
Referencia: Integrating tabular data through image conversion for enhanced diagnosis: A novel intelligent decision support system for stratifying obstructive sleep apnoea patients using convolutional neural networks (Publicado en Digital Health)
‘ …. e hai menos recursos’ (económicos) di Casal. E claro, a solución é invertir na ‘todopoderosa’ IA, que non nos tente a barbarie de reivindicar unha sanidade pública con efectivos suficientes (humanos) acorde á media que hai en Europa, coma Navarra sen ir mui lonxe. En fin… a todopoderosa industria tecnolóxica ianqui tennos totalmente adoctrinados e sometidos. Mui triste.