Investigadores han presentado el proyecto Cause of Death Determination Ascertainment (CODA), una herramienta de inteligencia artificial diseñada para ofrecer datos más precisos sobre las causas de muerte en países de bajos ingresos. El proyecto, de tres años, está financiado por la Gates Foundation y lo lidera Vital Strategies junto a un consorcio de socios. Los responsables advierten que, en muchas zonas del África subsahariana y de Asia, gran parte de las muertes ocurre fuera de instalaciones sanitarias y por eso carece de causas fiables.
CODA se entrena con datos históricos y puede emplearse tanto en entornos clínicos como comunitarios. Funciona sin conexión y permite subir datos más tarde. En las comunidades, trabajadores de salud realizan entrevistas post-mortem con familiares; la herramienta convierte el testimonio hablado en datos estructurados, ajusta las preguntas sugeridas en tiempo real y combina esos detalles con datos como edad, sexo y causas locales comunes. En centros sanitarios, los médicos pueden introducir antecedentes, observaciones y resultados de pruebas. En lugar de un veredicto único, CODA ofrece un nivel de confianza en su recomendación.
Entre los socios figuran varias universidades y organizaciones:
- Northeastern University
- University of Washington
- IS Global
- RTI International
- CHAMPS Project Office
Se planifican ensayos limitados en Sudáfrica y Bangladesh a partir de septiembre. Para entrenar y validar los modelos, dos universidades colaboradoras emplean un conjunto de datos de muertes rigurosamente validadas en países de ingresos bajos y medios, con causas confirmadas mediante investigación post-mortem. Los responsables señalan que las autopsias proporcionan datos de mayor calidad, pero son costosas y de escala limitada. El proyecto formará un comité asesor científico para abordar cuestiones éticas, jurídicas y culturales. Mary-Ann Etiebet afirmó que datos precisos sobre causas de muerte son esenciales para la formulación de políticas y recordó que menos del tres por ciento del financiamiento global en salud se destina a enfermedades no transmisibles. Laura Ferguson subrayó la necesidad de transparencia, protección de datos, participación gubernamental y colaboración con los usuarios finales.
Palabras difíciles
- inteligencia artificial — programas que realizan tareas con datos
- post-mortem — que ocurre después de la muerte
- autopsia — examen médico del cuerpo tras la muerteautopsias
- validar — comprobar que algo es correcto o ciertovalidada
- nivel de confianza — grado de seguridad en una conclusión
- transmisible — que se puede contagiar entre personastransmisibles
- participación — intervención o implicación de un grupo
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o audicións.
Preguntas de discusión
- ¿Qué ventajas y limitaciones puede tener usar una herramienta como CODA en zonas rurales sin conexión constante a internet?
- ¿Qué preocupaciones éticas y culturales pueden surgir al realizar entrevistas post-mortem con familiares?
- ¿Cómo podrían los datos más precisos sobre causas de muerte influir en las políticas de salud de países de bajos ingresos?
Artículos relacionados
Bacterias intestinales pueden llegar al cerebro en ratones
Un estudio en ratones publicado en PLOS Biology informó que una dieta alta en grasa aumentó la permeabilidad intestinal y permitió que bacterias vivas viajaran al cerebro por el nervio vago. Los autores piden más estudios sobre dietas y salud neurológica.
Más visitantes en senderos y poca preparación para emergencias
El clima más cálido ha llevado a más personas a parques y bosques y ha aumentado las emergencias en áreas salvajes. Un estudio en un parque de Colorado halló que la mayoría de caminantes y corredores no llevaba el equipo necesario.
Entrenamiento de velocidad cognitiva reduce diagnósticos de demencia
Un análisis a 20 años del ensayo ACTIVE encontró que adultos mayores que hicieron entrenamiento de velocidad, con sesiones de refuerzo, tuvieron menos diagnósticos de demencia que el grupo de control. El efecto fue estadísticamente significativo solo en esa modalidad.
La complejidad del mundo real produce sesgo en la IA
Un estudio de la Universidad de Texas en Austin concluye que una causa importante del sesgo en la inteligencia artificial es la incapacidad para modelar la complejidad del mundo real. Identifica tres factores que aumentan ese riesgo.
