Saltar al contenido

La técnica de aprendizaje automático identifica a las personas que se beneficiarían más del tratamiento para reducir el riesgo futuro de enfermedades cardiovasculares

14 de abril de 2023

Una nueva investigación de la UCLA sugiere que una nueva técnica de aprendizaje automático conocida como «bosque causal» fue aproximadamente cinco veces más eficiente que la práctica clínica actual de tratar a pacientes con presión arterial alta.

Según la práctica actual, los médicos tratan a los pacientes con presión arterial alta bajo el supuesto de que las personas con mayor riesgo de resultados adversos y muerte por una enfermedad se benefician más al reducir la presión arterial. En los últimos años, sin embargo, ha habido avances en cómo el aprendizaje automático puede predecir resultados de salud adversos debido a la presión arterial alta en función de las características individuales, lo que permite a los médicos examinar hasta qué punto los efectos de una intervención pueden variar entre individuos y, por lo tanto, adaptarlos. tratamientos a las necesidades del paciente.

Usando una técnica llamada «bosque causal», los investigadores encontraron que las personas con mayor riesgo de enfermedad cardiovascular, como las que tienen presión arterial alta o hipertensión, no siempre se benefician más del control intensivo de la presión, dijo el autor principal, el Dr. Kosuke Inoue. , quien realizó el estudio cuando era estudiante de posgrado en epidemiología en la Escuela de Salud Pública Fielding de la UCLA y ahora es profesor asociado de epidemiología social en la Universidad de Kyoto.

“Encontramos que un número sustancial de personas sin hipertensión se beneficiaron al reducir su presión arterial”, dijo. “Al aplicar el método del bosque causal, descubrimos que tratar a las personas con altos beneficios estimados proporcionó mejores resultados en la salud de la población que el enfoque tradicional de alto riesgo”.

el estudio es publicado en el International Journal of Epidemiology revisado por pares.

Recomendado:  Recocido simulado desde cero en Python

Causal forest es un algoritmo de aprendizaje automático que estima los efectos de una intervención en un resultado basado en las características de la persona, lo que permite predicciones personalizadas de cómo cada individuo se beneficiará de un tratamiento determinado. La práctica estándar ahora es tratar a todas las personas que tienen un alto riesgo de resultados adversos para la salud, como un accidente cerebrovascular para las personas con hipertensión, con opciones que no necesariamente benefician a todos; por ejemplo, algunas personas con presión arterial alta pueden no beneficiarse de la sangre. medicamentos para bajar la presión porque pueden tener otros problemas de salud subyacentes que son factores de riesgo más importantes para las enfermedades cardiovasculares, como la diabetes.

Para el estudio actual, los investigadores utilizaron datos de casi 10,700 personas del ensayo de intervención de presión arterial sistólica (SPRINT) y el ensayo de acción para controlar el riesgo cardiovascular en la presión arterial diabética (ACCORD-BP). También estimaron el efecto de estos enfoques utilizando datos de 14 600 adultos estadounidenses de las Encuestas Nacionales de Examen de Salud y Nutrición (NHANES) 1999–2018.

SPRINT había demostrado que el tratamiento intensivo de la presión arterial sistólica, destinado a mantener la presión por debajo de 120 mmHg, estaba asociado con un menor riesgo de eventos de enfermedades cardiovasculares y mortalidad por todas las causas entre las personas sin diabetes. Como resultado, el umbral de presión arterial de diagnóstico se redujo de 140 mmHg a 130 mmHg, lo que llevó a que aproximadamente la mitad de la población de EE. UU. fuera diagnosticada como hipertensa. El ensayo ACCORD-BP, que se centró en personas con diabetes, no encontró evidencia de que el control intensivo de la presión arterial se asociara con una menor probabilidad de eventos cardiovasculares adversos.

Recomendado:  Maryland hoy | MPower Universities, socios anuncian nueva salud ...

Los investigadores aplicaron el método del bosque causal a los datos de los participantes de estos dos ensayos para predecir cuál habría sido el efecto del tratamiento individualizado para reducir los resultados cardiovasculares adversos a los 3 años. Luego compararon el rendimiento de los dos enfoques entre sí; el enfoque de alto beneficio (dirigido a individuos con alto efecto del tratamiento) versus el enfoque de alto riesgo (dirigido a individuos con alto riesgo, como presión arterial alta y una puntuación de riesgo cardiovascular alta).

Descubrieron que casi el 80 % de las personas con lecturas de presión arterial de 130 mmHg o más se beneficiaron del control intensivo de la presión arterial. El enfoque de alto beneficio superó al enfoque de alto riesgo en casi 8 puntos porcentuales. Los resultados fueron los mismos cuando se transportaron a los datos de NHANES.

El estudio tiene algunas limitaciones, escriben los investigadores. Por ejemplo, no pudieron descartar las características de los individuos que podrían afectar el tratamiento; las características iniciales fueron autoinformadas por los participantes, lo que podría haber dado lugar a errores de medición; y el diseño del estudio, más que los mecanismos sociales y físicos, podrían haber afectado los resultados debido a las diferencias entre los criterios del ensayo SPRINT y ACCORD-BP.

Si bien es necesario realizar más investigaciones, los hallazgos sugieren que el enfoque de alto beneficio, que se dirige a las personas con altos beneficios de salud estimados al reducir la presión arterial, tiene el potencial de aumentar sustancialmente la efectividad del tratamiento y mejorar los resultados de salud de la población, y podría cambiar la corriente estrategia de tratamiento en la práctica clínica y la toma de decisiones políticas, señalan los investigadores.

Recomendado:  El profesor tiene como objetivo prevenir el fraude por las cuentas de redes sociales 'títere de calcetín'

«Los hallazgos de nuestro estudio arrojan luz sobre un poderoso algoritmo de aprendizaje automático que nos permite identificar a las personas que se beneficiarían más de un control estricto de la presión arterial, que puede ser un elemento crucial para lograr la medicina de precisión», dijo el autor principal, el Dr. Yusuke. Tsugawa, profesor asociado de medicina en la división de medicina interna general e investigación de servicios de salud en la Escuela de Medicina David Geffen de la UCLA y de política y gestión de la salud en la Escuela Fielding.

Susan Athey de la Universidad de Stanford fue coautora adicional.

Este estudio fue financiado en parte por la Agencia Japonesa para la Investigación y el Desarrollo Médico (JP22rea522107). Los autores del estudio también fueron financiados por el Instituto Nacional de Diabetes y Enfermedades Digestivas y Renales (F99 DK126119); Instituto Nacional de Salud de las Minorías y Disparidades en la Salud (R01MD013913); el Instituto Nacional sobre el Envejecimiento (R01AG068633); el Laboratorio de Impacto Social de Golub Capital; Futuros de Schmidt; la Fundación Sloan; Oficina de Investigación Naval (N00014-17–1-2131); el Centro Mercatus; Investigación de Microsoft; la Sociedad Japonesa para la Promoción de la Ciencia (21K20900 y 22K17392); la Sociedad Endocrina Japonesa; Fundación Meiji Yasuda Life de Salud y Bienestar; y el Programa para el Desarrollo de Científicos Líderes de Próxima Generación con Visión Global (L-INSIGHT) patrocinado por el Ministerio de Educación, Cultura, Deportes, Ciencia y Tecnología de Japón para trabajos no relacionados con este estudio.