metricas
covid
Buscar en
Atención Primaria
Toda la web
Inicio Atención Primaria Uso de redes neuronales en medicina: a propósito de la patología dispéptica
Información de la revista
Vol. 30. Núm. 2.
Páginas 99-102 (junio 2002)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 30. Núm. 2.
Páginas 99-102 (junio 2002)
Acceso a texto completo
Uso de redes neuronales en medicina: a propósito de la patología dispéptica
Use of neurone networks in medicine: concerning dyspeptic pathology
Visitas
11841
N. Sáenz Bajoa, E. Barrios Ruedaa, M. Conde Gómeza, I. Domínguez Macíasa, A. López Carabañoa, C. Méndez Díeza
a Centro de Salud Luis Vives. Área 3 de Atención Primaria. Madrid.
Este artículo ha recibido
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Tablas (5)
Mostrar másMostrar menos
Objetivo. Desarrollo y entrenamiento de una red neuronal que permita clasificar a los pacientes que acuden a la consulta con síntomas de dispepsia en dos grupos: los que muy probablemente tengan enfermedad ulcerosa péptica o reflujo gastroesofágico (RGE) y los que muy probablemente tengan dispepsia funcional o idiopática. Comparación de los resultados obtenidos con la red neuronal y otros clasificadores estadísticos. Diseño. Estudio retrospectivo. Emplazamiento. Tres consultas de equipo de atención primaria de ámbito urbano. Participantes. Ochenta y un pacientes con diagnóstico de dispepsia, a los que se realizó endoscopia digestiva y/o tránsito esofagogastroduodenal (EGD) documentado en la historia clínica. Método. Entrevista personal con cuestionario predefinido sobre sintomatología y factores de riesgo de patología dispéptica. El análisis de los datos se ha realizado con clasificador determinista, clasificador estadístico y red neuronal basada en un perceptrón multicapa. Resultados. La red neuronal clasifica correctamente a un 81% de los pacientes, con un valor predictivo negativo (VPN) del 90% y un valor predictivo positivo (VPP) del 80%. Conclusiones. La red neuronal proporciona excelentes tasas de acierto en la clasificación de los pacientes a partir de la presencia o no de determinados síntomas. Se observa una tendencia a discriminar mejor los diagnósticos negativos (dispepsia funcional o idiopática) frente a los positivos (enfermedad ulcerosa péptica o RGE). El uso sistemático de redes neuronales en las consultas de atención primaria facilitaría al clínico su labor, aumentando la rentabilidad de cualquier decisión diagnóstica y terapéutica.
Palabras clave:
Redes neuronales
Análisis discriminante
Dispepsia
Dispepsia no ulcerosa
Úlcera péptica
Objectives. Development and training of a neurone network that enables the patients who attend the clinic with symptoms of dyspepsia to be classified into two groups: those who very probably have peptic ulcer disease or gastro-oesophageal reflux (GOR) and those more likely to have functional or idiopathic dyspepsia. Results obtained with the neurone network and with other statistical classifiers were compared. Design. Retrospective study. Setting. Three urban primary care clinics. Participants. 81 patients with a diagnosis of dyspepsia, who underwent a digestive tract endoscopy and/ or oesophageal-gastro-duodenal meal, recorded in the clinical notes. Method. Face-to-face interview with a set questionnaire on the symptoms and risk factors of dyspepsia pathology. Data were analysed with determinist classifier, statistical classifier and neurone network based on a multi-layer perceptron. Results. The neurone network correctly classified 81% of patients, with negative predictor value of 90% and positive predictor value of 80%. Conclusions. The neurone network provides very high accuracy rates in classifying patients on the basis of the presence or otherwise of determined symptoms. There was a tendency to distinguish negative diagnoses (functional or idiopathic dyspepsia) better than positive ones (peptic ulcer disease or GOR). Systematic use of neurone networks in primary care clinics would assist the doctor by increasing the accuracy of diagnostic and/or clinical decisions.
Keywords:
Neurone networks
Discriminatory analysis
Dyspepsia
Non-ulcerous dyspepsia
Peptic ulcer
Texto completo

Introducción


Las redes neuronales son un instrumento que comienza a utilizarse en la práctica médica con el fin de ayudar al clínico en la toma de decisiones. Tienen utilidad para pronosticar la evolución de distintas patologías1 o intervenciones terapéuticas2, clasificar o reconocer muestras anatomopatológicas3, pruebas de imagen o establecer probabilidades diagnósticas a partir de síntomas o pruebas complementarias4.

Existen en la bibliografía artículos que comparan el rendimiento de los clasificadores estadísticos (análisis discriminante, regresión logística, etc.) con las redes neuronales, encuentran evidencias de que estas últimas clasifican mejor y muestran mayor sensibilidad y especificidad que los clasificadores tradicionales5.

La dispepsia es un problema de salud muy prevalente y representa la segunda causa de consulta después del resfriado común en atención primaria6.

A diario nos enfrentamos a pacientes con síntomas dispépticos tan inespecíficos que resulta difícil emitir un juicio diagnóstico sobre la presencia o no de lesión orgánica. Para realizar un diagnóstico etiológico será necesario recurrir al uso de pruebas complementarias.

Dadas la frecuencia con la que los pacientes consultan por dispepsia, la posibilidad de que la causa sea orgánica o funcional y la necesidad de hacer un diagnóstico etiológico rápido, resulta especialmente útil para el médico de atención primaria disponer de instrumentos que le permitan clasificar a priori a los pacientes7, con el fin de ayudarle en la toma de decisiones tanto diagnósticas como terapéuticas.

Con este objetivo hemos desarrollado y entrenado una red neuronal8-10 que clasifica a los pacientes según su sintomatología en dos grupos: los que muy probablemente tengan enfermedad ulcerosa péptica o reflujo gastroesofágico (RGE), y los que muy probablemente tengan dispepsia funcional o idiopática, comparando los resultados obtenidos con la red neuronal y otros clasificadores estadísticos.

Participantes y métodos


Diseño

Se trata de un estudio retrospectivo de 81 pacientes de tres consultas de un Centro de Salud de Alcalá de Henares (Madrid), que fueron seleccionados de enero a junio del año 1999 en las consultas de atención primaria, a las que acudían por cualquier motivo de salud. Treinta y seis tenían diagnóstico de úlcera péptica y 45 de dispepsia funcional o idiopática.

Los criterios de inclusión fueron: tener historia clínica con diagnóstico de dispepsia en la lista de problemas y estar registrados en la misma los resultados de las pruebas complementarias realizadas (endoscopia, tránsito esofagogastroduodenal [EGD] o ambos).

Recogida de datos

Las fuentes de información de las variables a estudio han sido las historias clínicas de los pacientes y una encuesta elaborada ad hoc donde se recoge la información relativa a síntomas y factores de riesgo. La entrevista sobre los síntomas fue concertada con el paciente y siempre la realizó el mismo investigador, que en todos los casos desconocía el diagnóstico.

Las variables en estudio fueron: edad, sexo, factores de riesgo (existencia de familiares de primer grado con historia de enfermedad péptica ulcerosa, número de cigarrillos consumidos al día, antecedentes de consumo de antiinflamatorios no esteroides [AINE]) y sintomatología (dolor epigástrico no irradiado, dolor señalado a punta de dedo, aparición de 1 a 3 h tras las comidas, dolor que despierta al paciente por la noche, que cede parcialmente con la comida o con antiácidos, dolor recurrente en determinadas épocas del año, dolor o malestar abdominal difuso, presencia de saciedad temprana, náuseas o regurgitación, salivación, pirosis ocasional que aparece tras las comidas o en decúbito, dolor torácico y sensación de hinchazón abdominal.

Análisis

Se ha desarrollado una aplicación informática que utiliza tres clasificadores: clasificador determinista a priori basado en la distancia euclídea (con una función discriminante lineal); clasificador estadístico basado en la distancia de Mahalanobis (con una función discriminante cuadrática), y red neuronal basada en un perceptrón multicapa (entrenado con backpropagation) con los siguientes parámetros: una capa oculta, * = 0,5 y número de neuronas de la capa oculta igual al 10% del tamaño del conjunto de entrenamiento.

Se realizaron dos tipos de ajustes de los clasificadores, uno utilizando el 50% de los pacientes y otro con el 75%. Una vez obtenidos los clasificadores, se probó su capacidad predictiva con el resto de los pacientes que no habían sido utilizados en la fase de ajuste (50% en un caso y 25% en el otro).

Para evitar posibles sesgos en el orden de recogida de los datos, los conjuntos de ajuste y prueba fueron generados aleatoriamente a partir del conjunto de datos inicial.

Resultados


De los 81 pacientes estudiados, 36 (44%) tenían enfermedad ulcerosa péptica y el resto, 45 (56%), dispepsia funcional. El 35,8% eran mujeres y el 64,2% varones. La edad media fue de 47,38 años (desviación estándar [DE], 11,72). El número medio de cigarrillos fumados al día era de 4,65 (DE, 8,74). En la tabla 1 se puede observar la distribución de frecuencias de los síntomas y antecedentes personales a estudio.

El porcentaje de pacientes clasificados correctamente con cada uno de los tres tipos de clasificadores se resume en la tabla 2, en función del tamaño del conjunto de ajuste. En el caso de la red neuronal, utilizando el 75% de los datos para entrenarla se consigue clasificar bien al 81% de los pacientes. Se observa asimismo una mayor consistencia en los resultados de la red neuronal al depender éstos en mucha menor medida del tamaño relativo de los conjuntos de ajuste y de prueba.

En la tabla 3 se pueden comprobar los valores predictivos positivos (VPP) y negativos (VPN) de los tres clasificadores obtenidos en la fase de prueba. La red neuronal es la que mayor valor predictivo tiene, obteniéndose en el caso de utilizar el 75% de los datos para entrenarla un VPN

del 90%.

Discusión


Las consultas de atención primaria del Sistema Nacional de Salud soportan, en la mayoría de los casos, presiones asistenciales elevadas, lo que significa que al usuario que consulta por un problema de salud agudo o nuevo no le dedicamos más de 10 min. En este tiempo debemos interrogar, explorar y elaborar un juicio clínico que implica, en muchos casos, decidir la realización de una prueba complementaria para llegar a un diagnóstico etiológico o una prescripción terapéutica. El interrogatorio y el examen físico no evidencian diferencias entre las dispepsias orgánicas (úlcera duodenal y RGE) y las dispepsias funcionales.

El escenario se completa con que la mayoría de las veces los clínicos de atención primaria no tenemos acceso a pruebas complementarias, en el caso que nos ocupa endoscopias digestivas, pHmetrías, etc., y nos vemos obligados a derivar al paciente a un especialista.

El uso de redes neuronales de forma sistemática en la práctica clínica en atención primaria supone, en primer lugar, aumentar la eficiencia diagnóstica. En el caso de la patología dispéptica, caracterizada por un cortejo sintomático bastante impreciso, hemos obtenido un VPN del 90%; es decir, si un individuo es clasificado en el grupo de dispepsia orgánica, habremos acertado con una probabilidad del 90%. En segundo lugar, el aumento de la eficiencia en el diagnóstico a priori mejorará el rendimiento de las pruebas complementarias que pidamos, las derivaciones a especialistas que realicemos y las prescripciones terapéuticas que adoptemos. En tercer lugar, la mejora del rendimiento se traduce en un menor coste económico de nuestras decisiones y un mayor beneficio para el usuario que, desde el principio, estará mejor tratado y no se verá sometido a pruebas y tratamientos innecesarios; es decir, se minimizan los costes y se maximizan los beneficios.

Con respecto al tipo de herramientas a utilizar para la clasificación a priori, la red neuronal, al ser capaz de reconocer formas abstractas complicadas y ajustarse perfectamente al conjunto de entrenamiento, es claramente superior a los métodos estadísticos, tal como se observa también en otros estudios.

En conclusión, el uso de redes neuronales facilita y rentabiliza la toma de decisiones clínicas. Creemos que la utilización de este tipo de herramientas, ya disponibles en otros medios como las unidades de cuidados intensivos, o la interpretación de resultados en anatomía patológica o radiodiagnóstico, puede resultar muy útil en atención primaria, sobre todo en aquellos casos en los que el diagnóstico diferencial de una patología incluya el uso de recursos diagnósticos o terapéuticos que no sean accesibles o resulten especialmente gravosos para el usuario o el sistema.

El siguiente paso de nuestra investigación será intentar cuantificar los costes y beneficios de su utilización en la práctica diaria.

 

Correspondencia: Noemí Sáenz Bajo. Marqués de Lozoya, 12 7.° C 28009 Madrid. Correo electrónico: noemi.saenz@madrid.org

Bibliograf¿a
[1]
A neural network approach to the diagnosis of morbidity outcomes in trauma care. Artif Intell Med 1999;15:299-307.
[2]
Predicting outcome of anterior temporal lobectomy using simulated neural networks. Epilepsia 1998;39:61-6.
[3]
Back propagation neural network in the discrimination of benign from malignant lower urinary tract lesions. J Urol 1998;159:1619-23.
[4]
Use of neural networks in medical diagnosis. MD Comput 1998;15:100-4.
[5]
Improving diagnostic accuracy using a hierarchical network to model decision substasks. Int J Med Inf 2000;57:41-55.
[6]
Management of nonulcer dyspepsia. N Engl J Med 1998;339:1376-81.
[7]
Discriminant analysis of factors distinguishing patients with functional dyspepsia from patients with duodenal ulcer. Dig Dis Sci 1995;40:1105-11.
[8]
Neural network architectures, an introduction. Van Nostrand Reinhold, 1990.
[9]
Neural networks, algorithms, applications and programming techniques. Addison-Wesley, 1991.
[10]
Introduction to the theory of neural computation. Addison-Wesley, 1991.
Descargar PDF
Opciones de artículo
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos