Actualmente, existe una necesidad de disponer de un enfoque multifacético para la evaluación de riesgos de patologías como, por ejemplo, la enfermedad renal crónica, donde se combinen marcadores clínicos tradicionales, nuevas características predictivas y conocimiento de los posibles patrones de progresión rápida de la patología.
La enfermedad renal crónica (ERC) es una afección compleja y multimórbida marcada por una disminución gradual de la función renal, que finalmente puede progresar a enfermedad terminal (ESRD). Se estima que alrededor del 5-10% de las personas diagnosticadas con ERC acabarán con ESRD. Además, más de un tercio de los pacientes con ESRD son reingresados dentro de los 30 días posteriores al alta, lo que subraya la necesidad crítica de la detección y el tratamiento tempranos de la ERC para prevenir su progresión a ESRD y reducir los costos de atención médica.
En un reciente estudio, publicado en el ‘Journal of the American Medical Informatics Association’, investigadores de la Universidad de Carnegie Mellon de Pensilvania (EEUU) utilizaron modelos de aprendizaje automático y aprendizaje profundo, así como inteligencia artificial (IA) para evaluar datos clínicos y de reclamaciones integrados con el objetivo de mejorar la predicción de la progresión de la ERC a ESRD.
