Inteligencia Artificial y calidad de vida en pacientes con enfermedades musculoesqueléticas

Un equipo de investigadores de la Universidad Politécnica de Madrid y del Hospital Clínico San Carlos arrojan luz sobre factores asociados con la calidad de vida de los pacientes con enfermedades musculoesqueléticas gracias a la aplicación de técnicas de Inteligencia Artificial.

14.02.2022

En un artículo publicado en la revista Therapeutic Advances in Musculoskeletal Diseases, investigadores del Grupo de Minería de Datos y Simulación (MIDAS) de la Universidad Politécnica de Madrid (UPM), en colaboración con el Grupo de Patología Musculoesquelética del Instituto de Investigación Sanitaria San Carlos (IdISSC), han llevado a cabo un estudio con el que han identificado factores asociados a la calidad de vida de pacientes con  enfermedades musculoesqueléticas, entendiendo la calidad de vida como la combinación de dos componentes: discapacidad y dolor. Con la ayuda de modelos de regresión y algoritmos de clustering han obtenido un conjunto de enfermedades, tratamientos y características demográficas con los que concluyen que la enfermedad renal crónica, la monoartritis y la fibromialgia son las patologías que afectan con mayor severidad a la calidad de vida de pacientes con enfermedades musculoesqueléticas.

Imagen de rodilla izquierda para evaluar posible artrosis de rodilla, patología musculoesquelética altamemente prevalente. Fuente: UPM

Según los últimos informes publicados por el Global Burden of Disease, las enfermedades musculoesqueléticas, junto con los trastornos mentales, ostentan el título de grupo de patologías con mayor tasa de discapacidad, afectando al individuo en distintos ejes: social, mental y económico, mermando así su calidad de vida.

Estos informes llegan en un momento de cambio de paradigma en el sector sanitario, en el que los indicadores de salud pasan a estar orientados al paciente y se empieza a dar más importancia a la cuantificación de la calidad de vida y sus distintos componentes (discapacidad y dolor) que a otras variables sociodemográficas comúnmente usadas, como la tasa de mortalidad. Este cambio de paradigma responde a la necesidad del paciente de adquirir un rol proactivo en las decisiones sobre la gestión de su salud.

En este contexto, investigadores del grupo MIDAS de la UPM en colaboración con el Grupo de Patología Musculoesquelética del IdISSC, han llevado a cabo un estudio longitudinal para identificar predictores asociados con la calidad de vida de pacientes con enfermedades musculoesqueléticas, entendiendo la calidad de vida como la combinación de dos componentes: discapacidad y dolor.

Para ello, los investigadores han tenido en cuenta la posibilidad de coexistencia de múltiples enfermedades de esta tipología, así como la presencia de otras comorbilidades, tratamientos y datos demográficos, con los que determinar qué factores pueden influir en el bienestar del paciente. Esto ha sido posible gracias al uso de la historia clínica electrónica del Servicio de Reumatología del Hospital Clínico San Carlos, a partir de la cual, los investigadores han tenido acceso a datos longitudinales recogidos en un periodo de diez años, durante la práctica clínica habitual.

Con la ayuda de modelos de regresión penalizados ꟷpara hacer una selección e identificación de variablesꟷ y de algoritmos de clustering como Kamila ꟷpara validar los resultadosꟷ, los investigadores obtuvieron un conjunto de enfermedades, tratamientos y características demográficas relacionadas con la calidad de vida.

Según declara Alfredo Madrid, investigador UPM que ha participado en este estudio: “Gracias a la investigación multidisciplinar entre academia y clínica hemos podido identificar estos factores y concluir que patologías como la enfermedad renal crónica, la monoartritis y la fibromialgia parecen afectar con mayor severidad a la calidad de vida de los pacientes con enfermedades musculoesqueléticas.”

Finalmente, los investigadores señalan también que este estudio no se habría podido llevar a cabo si el Servicio de Reumatología no hubiera apostado por la transformación digital de su historia clínica hace más de quince años.

Alfredo Madrid-García, Leticia León-Mateos, Esperanza Pato, Juan A Jover, Benjamín Fernández-Gutiérrez, Lydia Abasolo, Ernestina Menasalvas, and Luis Rodríguez-Rodríguez. Predictors of health-related quality of life in musculoskeletal disease patients: a longitudinal analysis. Therapeutic Advances in Musculoskeletal Diseases: https://journals.sagepub.com/doi/10.1177/1759720X211034063