Machine learning per l'hemodiàlisi

José Ibeas

Fundació Institut d’Investigació i Innovació Parc Taulí (I3PT), Sabadell, Espanya

Els pacients amb malaltia renal terminal que s’han de sotmetre a una teràpia de tractament substitutiu renal per mitjà d’hemodiàlisi requereixen una fístula arteriovenosa: una connexió creada quirúrgicament que permet adaptar el sistema vascular del pacient per unir-lo a la màquina d’hemodiàlisi. Tanmateix, aquesta connexió té una probabilitat alta de fallar i, a més, pot causar o empitjorar patologies cardíaques preexistents a causa dels fluxos sanguinis que pot arribar a generar.

Aquest projecte té com a objectiu generar un sistema de suport a la decisió clínica basat en l’aprenentatge automàtic (machine learning) que permeti determinar de manera individualitzada el risc d’error d’aquest component i les possibles repercussions cardíaques per a cada pacient. Per això es preveu l’ús massiu de dades de diverses fonts que inclourien dades clíniques, analítiques, d’imatges i biomètriques, totes recollides durant dècades d’experiència clínica, per ajudar els professionals en la presa de decisions.

Aquesta solució podria beneficiar la salut i la qualitat de vida dels pacients, com també la gestió de recursos d’atenció mèdica. El prototip, dissenyat per l’equip basant-se en la informació de prop d’un centenar de pacients, ha obtingut resultats amb un alt grau d’exactitud i precisió. En la present fase del projecte l’equip es proposa augmentar l’evidència clínica amb dades d’un nombre més gran de pacients, refinar el sistema encaminant l’eina cap a un assaig clínic i establir una empresa derivada (spin-off) que faciliti els tràmits necessaris per iniciar la comercialització del sistema perquè el puguin utilitzar els centres d’hemodiàlisi.

Arteriovenous Fistula for Dialysis: Machine Learning based models for failure and Cardiac events

Fase 2