Modelos de predicción para la evolución de pacientes Covid-19

Abstract

Este trabajo tiene como objetivo desarrollar modelos de Machine Learning para predecir el estado de salud de los pacientes COVID-19 en seguimiento domiciliario y hospitalizados para así anticiparse y apoyar en la gestión de pacientes, mejorando la calidad del servicio entregado y haciendo mas eficiente la utilización de los recursos. El trabajo se enmarca dentro del proyecto COVID 0251, financiado por la Agencia Nacional de Investigación y Desarrollo. Este proyecto tiene como objetivo aumentar la efectividad del seguimiento de los pacientes COVID-19 confirmados, probables, sospechosos y contactos mediante una plataforma analítica escalable que integre diferentes fuentes de información, incluyendo la auto declarada por pacientes, y entregue analítica relevante para potenciar la toma de decisiones. Para esto se proponen dos modelos: el primero consiste en predecir el desenlace de los pacientes hospitalizados confirmados de COVID-19, el cual utilice la información proveniente de la gestión hospitalaria y clasifique a los pacientes en alto riesgo de fallecer o bajo riesgo de fallecer (1). El segundo modelo consiste en predecir la severidad de la enfermedad en los pacientes COVID-19 clasificándolos en pacientes de alto y bajo riesgo, utilizando la información proveniente del seguimiento domiciliario (2). La metodología utilizada en este trabajo corresponde a CRISP-DM, donde además de detallar el planteamiento y la evaluación de los modelos, también se detalla el procedimiento realizado para la limpieza de la base de datos, generación de atributos y el desarrollo de una aplicación web para desplegar los modelos. Para el modelo de pacientes hospitalizados se utiliza el algoritmo XGBoost obteniendo un AUC de 0.77, accuracy de 0.74 y sensitivity de 0.84, y las variables mas relevantes son la edad, si el paciente es conectado a ventilación mecánica, el tramo de Fonasa, el tipo de establecimiento y si contaba con alguna enfermedad renal previa. El modelo de pacientes en seguimiento domiciliario se desarrolla utilizando el algoritmo Optimal Tree obteniendo un AUC de 0.87, un accuracy de 0.74 y una sensitivity de 0.87, las variables mas relevantes para este modelo son la presencia del síntoma disnea, el tipo de ingreso, la edad, la presencia del síntoma cefalea, enfermedades renales previas y la presencia del síntoma disgeusia. Se concluye que los modelos obtienen un buen desempeño a la hora de clasificar a los pacientes según su nivel de riesgo tanto para pacientes en seguimiento como para pacientes hospitalizados. Las variables relevantes conversan con la experiencia internacional y se destaca el potencial que tienen la herramientas de analytics y datascience para apoyar en la toma de decisiones en la industria de la salud tanto como en cualquier otra.