TRES DÍAS PARA PLANTEARNOS PREGUNTAS Y ENCONTRAR SOLUCIONES
1, 2 y 3 de diciembre de 2017, Madrid
El evento, o mejor llamarlo el desafío: organizar el Primer Datathon en salud en la ciudad de Madrid, cumplió con todas las expectativas. Ha sido un evento internacional en el que se ha puesto de relieve la importancia de las iniciativas de datos abiertos y el potencial de las herramientas de aprendizaje automático, utilizadas en repositorios de big data, para mejorar el tratamiento de los pacientes. El Datathon se celebró en el Barrio de las Letras de Madrid, en el Impact Hub, los días 1, 2 y 3 de diciembre, organizado por la Unidad de Innovación del Hospital Clínico San Carlos, la Universidad Politécnica de Madrid, y el Massachusetts Institute of Technology (MIT).
Primer Datathon en salud en Madrid, un éxito de público y participación
El objetivo de la reunión era la utilización de una metodología que posibilitase encontrar soluciones a problemas concretos y responder a una serie de preguntas propuestas por expertos en medicina intensiva. Contaron para ello con la base de datos Medical Information Mart for Intensive Care (MIMIC), que alberga datos anonimizados de 40.000 pacientes admitidos en UCIs en el Centro Médico Beth Israel Deaconess desde el año 2000; las preguntas fueron planteadas por miembros de la Sociedad Española de UCI.
La dinámica del trabajo realizado consistió en la formación de equipos compuestos por profesionales de distintas áreas; se formaron nueve equipos y cada uno de ellos, eligió un problema sobre el que trabajar, llegándose al final del proceso a interesantes conclusiones; posteriormente un jurado compuesto por diez expertos procedentes del equipo organizador, eligió dos primeros equipos ganadores y dos terceros puestos, como reconocimiento simbólico.
Los ganadores
1. Equipo J: “Predicting the sepsis outcome depending on the antibiotics given”. Compuesto por: Fernando Martínez Sagasti, Cristina Merino, Pablo Calleja Ibáñez, Pedro del Pozo Jiménez, Laurens ten Cate, Liss Hernández González y Alicia Fraguas Rubio.
2. Equipo D: “Mortality predictive factors prolonged admission patients at ICU after major heart surgery”. Compuesto por: Elena Gil, Laura López, José Manuel Navarro, Ángela del Pino, Marina Sánchez y Miguel Sánchez.
3. Equipo B: “Length of stay in ICU prediction”. Compuesto por: José María Veganzones Alonso-Cortés, Javier Gonzalez Berenguel, Francois Jaulin, Adrien Parrot, Jose P. Manzano,Marina Begovic y Fernando Campo Guardiola.
3. Equipo C: “Prognostication after cardiac arrest”. Compuesto por: Vicente Laiseca, Pedro Morales, Iñigo Cortajarena, Stefano Falini, Tristan Struja, Patricia Cortajarena y Enrique Colin.
Los culpables
Los culpables u organizadores del evento han sido:
- Por parte del Hospital Clínico San Carlos: la Unidad de Innovación (Julio Mayol, Arturo González, Henar González, Milagros Merino y la Unidad de Cuidados Intensivos (Miguel Sánchez, Antonio Sánchez).
- Por parte de la Universidad Politécnica de Madrid: LifeSTech (María Teresa Arredondo, Giuseppe Fico, Ivanna Lombroni, Liss Hernández y Bea Merino).
- MIT- Massachusetts Institute of Technology (Leo Celi, Miguel Ángel Armengol de la Hoz, Felipe Torres, Tom Pollard, Jesse Raffa, Kenneth Paik, Rodrigo Deliberato, Aaron Kaufman, Rafael Martínez-Sánchez y Ryan George).
LifeSTech (UPM) y Unidad de Innovación (HCSC), trabajo en equipo
Durante la primera jornada: Miguel Ángel Armengol (MIT), Josep Gómez Álvarez (SEMICYUC), Ricardo Bellazi (Universidad de Pavia, Italia), Leo Celi (MIT)
Equipo del MIT
Los grupos trabajando
Nosotros ya estamos pensando en la próxima edición ¿te atreverías?
Resumen de los trabajos ganadores:
1. Equipo J: “Predicting the sepsis outcome depending on the antibiotics given”/”Predecir el resultado de sepsis según los antibióticos administrados”
El problema planteado era ¿cómo el uso de distintos antibióticos sobre pacientes sépticos puede repercutir en la mortalidad o en la duración de su estancia en la UCI? En concreto, el equipo se centró en la administración de Vancomicina y Piperaciclina/Tazobactam, dos antibióticos que se prescriben muy frecuentemente en pacientes sépticos en la UCI del Beth Israel Deaconess Medical Center, aunque no son antibióticos tan extendidos en la UCI del Hospital Clínico San Carlos.
La mayor parte del tiempo se dedicó a entender las variables que podían ser relevantes, filtrando los datos. Usando métodos de deep learning se obtuvo un modelo capaz de determinar el tipo de pacientes que recibía Cefepime, aunque no se obtuvo ninguna diferencia significante en las tasas de mortalidad ni en la duración de la estancia usando Piperaciclina/Tazobactam o Vancomicina.
Equipos ganadores
2. Equipo D: “Mortality predictive factors prolonged admission patients at ICU after major heart surgery” /“Predicción de factores de mortalidad en pacientes de estancia prolongada en la UCI tras una cirugía cardíaca mayor”
Los objetivos de la propuesta se resumen en identificar factores de detección de pacientes de larga duración en la UCI y su mortalidad y mejorar las decisiones basadas en evidencias respecto a la retirada de la maquinaria de soporte vital. Para ello, se busca predecir la mortalidad intra-hospitalaria basada en un grupo de variables en una cohorte de pacientes de una cirugía cardíaca mayor. Una vez seleccionada esta cohorte, se estudió la mortalidad de estos pacientes a partir de las co-variables seleccionadas mediante dos técnicas de machine learning: regresión logística para la interpretación de la relación y modelos ensamblados por su poder de predicción.
Organizadores
Patrocinadores
Podéis acceder a más información así como a las fotos del evento en:
http://madridcriticalcaredatathon.shealth.eu/