Inteligencia artificial para predecir la rehabilitación en drogodependencias

En las últimas décadas, la inteligencia artificial está demostrando su potencial y utilidad en multitud de investigaciones en el campo biomédico.

El proyecto ProTheOS ha logrado emplear dichas técnicas para predecir el éxito en el tratamiento de pacientes con adicción a la cocaína con muy buenos resultados. El trabajo ha sido posible gracias al trabajo conjunto entre el Grupo de Bioingeniería y Telemedicina de la Universidad Politécnica de Madrid (UPM) y el Centro de Atención Integral al Cocainómano de la Clínica Nuestra Señora de la Paz, ambas entidades en España, con la colaboración de la empresa multinacional IBM. La investigación ha demostrado la importancia de la consideración conjunta de factores referentes a la personalidad, el funcionamiento cognitivo, el tratamiento farmacológico y los tratamientos previos del paciente como variables importantes en la predicción del éxito terapéutico. Así, la inteligencia artificial se vislumbra como una prometedora herramienta de personalización terapéutica.

Las personas con trastornos por adicciones son pacientes complejos, debido principalmente a la multitud de factores por los que se ven influidos. Estas personas representan un gran peso para los sistemas sociosanitarios y económicos, tanto por los costes asociados a los tratamientos médicos y farmacológicos, como por las complicaciones asociadas. La drogadicción suele ir de la mano de otras enfermedades, causando un incremento adicional de los costes sanitarios, la pérdida de productividad por discapacidad y el incremento de las muertes prematuras. Otras repercusiones relevantes aparecen en el entorno cercano del paciente, afectando a la salud mental y el bienestar de los seres queridos, así como a los índices de violencia y a la sobrecarga del sistema jurídico penal.

El acceso a los tratamientos para la rehabilitación por drogadicción es insuficiente y desigual, dependiendo fuertemente de factores como la región y la droga de consumo. Estos problemas de cobertura y especificidad se auguran con peor pronóstico debido a la crisis mundial provocada por la COVID-19.

Cocaína. (Foto: DEA)

Para mejorar el éxito del tratamiento de los pacientes drogodependientes, es necesario identificar los principales factores de riesgo asociados al abandono del tratamiento. Esto es lo que ha llevado a cabo el equipo de investigadores del Grupo de Bioingeniería y Telemedicina de la UPM y del Centro de Atención Integral al Cocainómano de la Clínica Nuestra Señora de la Paz, junto con colaboradores de IBM.

“El resultado de nuestro trabajo consiste en un modelo predictivo para estimar el éxito del tratamiento hospitalario con cocaína basado en un conjunto heterogéneo de características multidimensionales, con variables referentes a tratamientos previos, exploración mental, funcionamiento cognitivo, personalidad, hábitos de consumo y tratamiento farmacológico”, señala María Elena Hernando, investigadora de la UPM y responsable del proyecto.

La herramienta inteligente desarrollada permite predecir el resultado en el tratamiento residencial con un 82% de precisión, pudiendo emplearse como un nuevo elemento de ayuda a la decisión para los profesionales clínicos a la hora de decidir la derivación del paciente al recurso de tratamiento. “Con el uso de esta herramienta se podría reducir la tasa de abandono del tratamiento en un 37%, mejorando el aprovechamiento de los recursos disponibles y las perspectivas de reinserción de los pacientes tratados”, indica José Tapia Galisteo, el investigador de la UPM que ha creado y evaluado la herramienta de inteligencia artificial.

Este es el primer estudio de investigación que utiliza técnicas de aprendizaje automático en una muestra de población europea con trastorno por consumo de cocaína. El tamaño de la muestra de pacientes empleada también es la mayor que se ha utilizado en este contexto.

“Los resultados obtenidos demuestran que la aplicación de técnicas de aprendizaje automático dentro de la psiquiatría de adicciones sería un método prometedor para la personalización de las rutas terapéuticas en drogadicción si se utilizaran como herramientas de ayuda a la decisión en la práctica clínica”, concluyen los investigadores.

El equipo de investigación publica los detalles técnicos de su herramienta inteligente en la revista académica IEEE Access, bajo el título “Prediction of Cocaine Inpatient Treatment Success Using Machine Learning on High-Dimensional Heterogeneous Data”. (Fuente: UPM)

Fuente