ANÁLISIS DE GRANDES DATOS EN HEALTHCARE SOBRE EL REGISTRO NACIONAL DE ICTUS BASADO EN MODELOS PREDICTIVOS Y BUSINESS INTELLIGENCE

Abstract

La Enfermedad CerebroVascular (ECV) afecta a 1 de cada 6 personas a lo largo de su vida y registra un fallecimiento cada 14 minutos, de forma que estas cifras se traducen en la primera causa de discapacidad y la segunda causa de fallecimiento en España. Ante esta grave situación, las instituciones toman conciencia de la problemática y realizan investigaciones basadas en análisis de datos para prevenir y reducir el impacto del ictus. La base de datos analizada en el presente trabajo es el Registro Nacional de Ictus de la Sociedad Española de Neurología (RENISEN), con 34 206 pacientes que han padecido un episodio de ictus.

El objetivo de la investigación es generar información complementaria al diagnóstico médico durante un episodio de ictus. La metodología empleada se divide en dos bloques: el primero usando algoritmos de \textit{Machine Learning} (ML) en Matlab para la predicción de supervivencia del ictus, y el segundo con análisis multivariable y gestión óptima de los recursos sanitarios en Power Business Intelligence (BI). Atendiendo a la base de datos, se compone de un 91,2\% de casos de supervivencia frente a un 8,8\% de exitus, por tanto, un balanceo de datos en el análisis de ML es necesario para un correcto funcionamiento con técnica \textit{undersampling} para no tener que recurrir a generar datos de pacientes sintéticos.

La predicción del ictus sin balanceo de datos con árboles de decisión ha alcanzado una \textit{accuracy} del 65,4\% con fácil comprensión, pero escaso resultado clínico. El algoritmo Broyden Fletcher Goldfarb Shanno de \textit{Neural Networks} con técnicas de \textit{oversampling} ha logrado una \textit{accuracy} del 87,59\%, sin embargo, es una caja negra para los clínicos y sintetiza datos de pacientes ficticios. El equilibrio de requisitos técnicos y clínicos con el algoritmo \textit{XGBoost}, combinado con un muestreo \textit{undersampling} y eliminación de pacientes con campos vacíos, ha alcanzado una \textit{accuracy} del 89,23\%. El análisis multivariable ha permitido determinar el perfil de paciente con hipertensión arterial y dislipemia con una diferencia de proporciones de 20,85\% de mortalidad superior en el episodio de ictus. En línea con investigaciones previas, se aprecia una incidencia mayor del ictus en hombres (58,48\%), pero con una tasa de mortalidad superior de 5 puntos en diferencia de proporciones en las mujeres. Por último, la proyección de tendencias del número de llegadas de pacientes a los hospitales permite avalar la posibilidad de estrategias a largo plazo para solicitar recursos sanitarios.

Los resultados de investigación, con un acierto de predicción de 9 de cada 10 pacientes, proponen la adaptación del protocolo del Código Ictus con la integración del algoritmo \textit{XGBoost}, así como gestiones de recursos sanitarios mediante Power BI para visualizar a largo plazo la tendencia del ictus. Todo ello contribuye a un Sistema Nacional de Salud universal y eficiente.