Modelos de ‘machine learning’ para determinar el riesgo de fallecimiento o intubación

Pedro Larrañaga (Universidad Politécnica de Madrid); Juan A. Fernández del Pozo (Universidad Politécnica de Madrid); Bojan Mihaljevic (Universidad Politécnica de Madrid).

A partir de datos de más de 9.000 pacientes atendidos por coronavirus SARS-CoV-2 en los hospitales madrileños de Ramón y Cajal, Fundación Jiménez Díaz y La Zarzuela, este trabajo desarrollará modelos de machine learning para predecir el riesgo de fallecimiento o de ser intubada que tiene una persona analizando los factores que van a determinar el pronóstico. Además, evaluará la eficiencia de un tratamiento a partir de comparaciones de pacientes que han sido tratados con un medicamento u otro y la relación con la tasa de muerte. Como último objetivo, se construirá un modelo de red bayesiana que capture todas las relaciones que hay entre diversas variables -tanto clínicas, como de tratamientos y resultados- para hacer razonamientos probabilísticos sobre el riesgo de mortalidad, el éxito o no de un tratamiento y el porqué. Este modelo, además, se dejará abierto en una plataforma web para toda la comunidad científica. La idea del proyecto surge a raíz de la liberación de datos de 2.300 pacientes afectados por COVID-19 de la red de hospitales HM para la comunidad científica, que también se incluirán en el trabajo.