Un modelo predictivo desarrollado con técnicas Big Data para medicina apoya a los obstetras en la toma de decisiones a la hora de evaluar la conveniencia y el éxito de inducir el trabajo de parto. La necesidad clínica de resolver este tipo de situaciones de incertidumbre que a menudo se dan durante la práctica asistencial de estos especialistas médicos fue lo que motivó la decisión de buscar un modelo nuevo basado en datos y técnicas Big Data que mejorara la capacidad de predicción del éxito de una inducción.

Optimizar el éxito de la inducción al parto, ¿es posible?

El embarazo es uno de los períodos más críticos en la vida de una mujer. En algunos casos, esperar a que el parto comience de forma natural puede suponer ciertos peligros para el bebé o la madre y es por eso que en ocasiones es necesario adelantar el parto de forma artificial. Esto se conoce como inducción del parto, que se realiza aplicando ciertos fármacos o técnicas que estimulan las contracciones uterinas para así tener un parto vaginal. En los últimos años, el número de partos inducidos se ha incrementado alrededor de un 14% en todo el mundo y se ha convertido en uno de los procedimientos más frecuentes en Obstetricia. En España, la tasa de partos inducidos anuales varía desde el 9,5% hasta el 33,7% de unos años a otros.

¿Qué pasa si no funciona la inducción al parto?

Si después de aplicar las diferentes técnicas y medicamentos el parto no se inicia, será necesario practicar una cesárea o un parto instrumental, ya sea por ventosas, fórceps o espátulas. Se estima que hasta el 50% de las inducciones terminan en cesárea. Asimismo, se ha demostrado que la cesárea presenta menores complicaciones cuando se realiza de forma programada que cuando se realiza con carácter urgente durante el parto. Por ello, es de gran utilidad conocer aquellas inducciones con alta probabilidad de fracaso para no llegar a realizarlas y así evitar utilizar recursos asociados innecesarios (personal, instalaciones y fármacos).

El éxito de la inducción del parto está condicionado por una gran cantidad de variables recogidas durante el embarazo, que actualmente tienen un valor predictivo inferior a lo deseado. Este hecho provoca que hasta el momento no existan herramientas que apoyen al obstetra a la hora de tomar la decisión de realizar o no una inducción, viéndose obligado a decidir según su propia experiencia en base a ciertas características de la madre y del feto. Pero asumiendo, en el caso de ser una decisión no acertada, el riesgo de que pudiera desencadenarse la realización de una cesárea o se produjeran, incluso, otras complicaciones indeseadas, poniendo en riesgo la salud del bebé o de la madre.

Bajo esta situación resulta interesante conocer a priori las posibilidades de éxito de la inducción y desestimar aquellas con probabilidad de fracasar, evitando con ello procedimientos innecesarios o posponiendo la inducción si fuese posible. Es por este motivo que uno de los retos actuales de la Obstetricia es mejorar la capacidad de predicción del éxito de una inducción, contribuyendo a su vez a mejorar los resultados en salud y reduciendo los costes tanto en medicación como en hospitalización o en personal.

La analítica predictiva en la inducción al parto

Los miembros del equipo responsable de Big Data en Salud trabajamos en el proyecto INDUCCESS (INDUCtion y sucCESS) en colaboración con el Servicio de Ginecología y Obstetricia del Hospital Universitario de Fuenlabrada (HUF), cuya propuesta ha sido revisada y aprobada por el Comité Ético de Investigación Clínica y por la Agencia Española del Medicamento. Desarrollamos un sistema robusto, capaz de explotar y modelar una fuente de información clínica desestructurada que ha resultado ser de gran interés gracias a su utilidad en el apoyo al experto a la hora de tomar decisiones tan relevantes. Además, puede ser aplicado a cualquier otra rama de la medicina.

Mediante la herramienta implementada el experto puede extraer y visualizar toda la información almacenada en la Historia Clínica Electrónica de cada paciente categorizada en variables, a la vez que recibe una recomendación sobre realizar una inducción, una cesárea o ninguna de las dos. Esta recomendación va acompañada de una explicación e información adicional que la justifica y que muestra cómo contribuye cada atributo en la decisión.

INDUCCESS refleja con fidelidad el ámbito del problema ya que aplica técnicas analíticas de Big Data sobre un conjunto de datos de un dominio real y consigue extraer información de valor de la información clínica. En general puede realizar tres posibles recomendaciones:

• Basta con que no exista un motivo por el cual el experto según protocolos, guías y experiencia previa podría recomendar una inducción, para determinar un caso de «No inducción».
• Para los casos en los que o bien la paciente no ha tenido ninguna cesárea previa, o bien presente ruptura prematura de membranas al ingreso, el sistema determina un caso de «Inducción».
• Finalmente, basta que el índice de Bishop al ingreso sea menor que 6, para determinar un caso de «Cesárea».

Estas explicaciones han permitido hacer más transparentes los modelos considerados y ha ayudado a ampliar los conocimientos y descubrir relaciones entre los datos que habían pasado desapercibidas hasta el momento. Todo esto ha supuesto una enorme ventaja en el ámbito médico, donde el desarrollo y aplicación de técnicas de aprendizaje automático y tecnología Big Data para el sector Salud han sido utilizados para mejorar los resultados, reducir los costes asociados e inferir una mayor calidad al procedimiento médico.