Un modelo de predicción para acabar con la resistencia a los antibióticos

Fernando Jiménez, investigador del grupo 'Inteligencia Artificial e Ingeniería del Conocimiento' de la Universidad de Murcia, está desarrollando un trabajo que consiste en la predicción de brotes de resistencia a los antibióticos para las infecciones por 'Estafilococo Aureus' resistente a la meticiclina (SARM, MRSA en inglés). «Una de las principales preocupaciones relacionadas con el SARM es que su patrón de resistencia cambia para adaptarse a cada nuevo agente antimicrobiano, lo que supone un reto para los especialistas en su prevención», dice. El objetivo principal del proyecto es construir un modelo de regresión lo más preciso posible que nos permita predecir futuros brotes dentro del hospital de una infección provocada por una bacteria resistente a antibióticos.

Sobre su funcionamiento, Jiménez explica que «básicamente, a partir de datos coleccionados con un orden temporal implícito (extraídos de pacientes del Hospital Universitario de Getafe), se construyen modelos de predicción usando algoritmos de aprendizaje computacional (ya ampliamente conocidos en la sociedad como métodos de 'machine learning'), y con una estrategia de decisión a posteriori (propuesta por nosotros) se elige qué modelo de predicción tiene un mejor desempeño. Una vez identificado el mejor modelo de predicción, su puesta en marcha consiste en usar el modelo para obtener la respuesta de la bacteria en instantes futuros, por ejemplo, dentro de una semana, dentro de dos semanas, y así sucesivamente. Esto evidentemente puede ayudar a un médico en sus acciones preventivas».

Hasta la fecha, no existe nada parecido en el mercado. De hecho, el trabajo ha sido publicado en una de las revistas internacionales más importantes que relaciona la inteligencia artificial y la medicina, denominada 'Artificial Intelligence in Medicine', la cual está dentro del primer cuartil del Journal Citation Reports, con un índice de impacto de 4.383 en la última edición de 2019.

Dice el investigador de la Universidad de Murcia que entre los aspectos novedosos más importantes puede mencionar «la aplicación de técnicas de selección de variables rezagadas sobre las series temporales para eliminar variables redundantes o poco correlacionadas con el objetivo de la predicción, y la aplicación de una estrategia de decisión multi-criterio que nos permita discernir 'a posteriori' entre los distintos modelos construidos con los diferentes algoritmos de aprendizaje automático, atendiendo a criterios, no solo de precisión en h pasos adelante, sino también de robustez (estabilidad temporal del modelo)».

Y añade: «Con respeto a las técnicas de selección de variables destacar que usamos para ello algoritmos genéticos, específicamente algoritmos evolutivos multi-objetivo. Los algoritmos genéticos (o evolutivos) básicamente simulan el comportamiento que tienen los seres vivos para sobrevivir en la naturaleza. Esta simulación se implementa mediante operadores inspirados en la selección natural de Darwin y en la genética (operadores de selección, cruce, mutación y reemplazo generacional). Son por tanto también técnicas (meta-heurísticas) de inteligencia artificial, que en este proyecto se han aplicado para el pre-procesamiento de los datos previo a la fase de aprendizaje automático».

Los resultados que han obtenido con su propuesta se han comparado con los resultados obtenidos mediante técnicas estadísticas clásicas de pronóstico de series temporales, como son los modelos autoregresivos multivariantes integrados de promedio móvil (conocidos en inglés por las siglas MARIMA) y los modelos vectoriales autoregresivos (conocidos en inglés por las siglas VAR), constatándose mejores resultados, tanto de precisión como de robustez, en el modelo de predicción identificado con nuestra investigación.

En la investigación han colaborado los grupos de investigación de la Universidad de Murcia de Inteligencia Artificial e Ingeniería del Conocimiento (a través de José T. Palma, David Marín, y el propio Jiménez) y el de Sistemas Inteligentes y Telemática (a través de Gracia Sánchez), junto con el Hospital Universitario de Getafe (por mediación de los médicos Francisco Palacios y Lucía López).

En este momento, la investigación está completamente abierta y es uno de los temas de interés prioritarios del grupo de investigación. «Actualmente se está desarrollando una Tesis Doctoral en la Escuela Internacional de Doctorado de la Universidad de Murcia por parte del doctorando David Marín, y dirigida por José T. Palma junto conmigo, en donde se están desarrollando nuevas técnicas de inteligencia artificial con numerosas aplicaciones potenciales en medicina», como señala Fernando Jiménez.

Aunque la investigación está aún en fase de desarrollo, el grupo de investigación cuenta con un contrato de investigación con licencia de explotación con el Servicio Murciano de Salud, coordinado por los miembros del grupo de investigación Manuel Campos y José M. Juárez, titulado 'Sistema de información para facilitar la implementación de los programas de optimización de uso de antibióticos (PROA) en el Servicio Murciano de Salud', a través del que podría ser implementada y explotada esta investigación si las prioridades del contrato así lo requiriesen. Por otro lado, aunque esta investigación se ha aplicado a la predicción en el comportamiento de bacterias, las técnicas de inteligencia artificial desarrolladas pueden aplicarse también en predicciones relacionadas con el virus SARS-CoV-2.

De hecho, Fernando Jiménez también es miembro del equipo investigador, junto con José T. Palma, de los proyectos de investigación 'Provia' (dirigido por Juan A. Botía de la Universidad de Murcia) y 'Sianbrocovid' (dirigido por Rubén López de la Universidad de Murcia) financiados ambos por la Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia para la lucha contra la Covid-19, los cuales suponen un marco de aplicación idóneo para su investigación.