Inteligencia artificial en enfermedades infecciosas / Artificial intelligence in infectious diseases

Estamos asistiendo a una verdadera revolución tecnológi-ca en el campo de la salud. Los procesos basados en la aplicación de la inteligencia artificial (IA) y el aprendizaje automático (AA) están llegando progresivamente a todas las áreas disciplinares, y su aplicación en el campo de las enfermedades infecciosas es ya vertiginoso, acelerado por la pandemia de COVID-19.Hoy disponemos de herramientas que no solamente pue-den asistir o llevar adelante el proceso de toma de deci-siones basadas en guías o algoritmos, sino que también pueden modificar su desempeño a partir de los procesos previamente realizados. Desde la optimización en la identificación de microorganis-mos resistentes, la selección de candidatos a participar en ensayos clínicos, la búsqueda de nuevos agentes terapéu-ticos antimicrobianos, el desarrollo de nuevas vacunas, la predicción de futuras epidemias y pandemias, y el segui-miento clínico de pacientes con enfermedades infecciosas hasta la asignación de recursos en el curso de manejo de un brote son actividades que hoy ya pueden valerse de la inteligencia artificial para obtener un mejor resultado. El desarrollo de la IA tiene un potencial de aplicación expo-nencial y sin dudas será uno de los determinantes principa-les que moldearán la actividad médica del futuro cercano.Sin embargo, la maduración de esta tecnología, necesaria para su inserción definitiva en las actividades cotidianas del cuidado de la salud, requiere la definición de paráme-tros de referencia, sistemas de validación y lineamientos regulatorios que todavía no existen o son aún solo inci-pientes

We are in the midst of a true technological revolution in healthcare. Processes based upon artificial intelligence and machine learning are progressively touching all disciplinary areas, and its implementation in the field of infectious diseases is astonishing, accelerated by the COVID-19 pandemic. Today we have tools that can not only assist or carry on decision-making processes based upon guidelines or algorithms, but also modify its performance from the previously completed tasks. From optimization of the identification of resistant pathogens, selection of candidates for participating in clinical trials, the search of new antimicrobial therapeutic agents, the development of new vaccines, the prediction of future epidemics and pandemics, the clinical follow up of patients suffering infectious diseases up to the resource allocation in the management of an outbreak, are all current activities that can apply artificial intelligence in order to improve their final outcomes.This development has an exponential possibility of application, and is undoubtedly one of the main determinants that will shape medical activity in the future.Notwithstanding the maturation of this technology that is required for its definitive insertion in day-to-day healthcare activities, should be accompanied by definition of reference parameters, validation systems and regulatory guidelines that do not exist yet or are still in its initial stages

Aprendizaje automático aplicado en área de la salud: parte 2 / Machine Learning In Healthcare: part 2

En el artículo anterior se introdujo el tema y se desarrolló cómo es la recolección y análisis de datos, la selección y entrenamiento de modelos de aprendizaje automático supervisados y los métodos de validación interna que permiten corroborar si el modelo arroja resultados similares a los de otros conjuntos de entrenamiento y de prueba. En este artículo continuaremos con la descripción de la evaluación del rendimiento, la selección del modelo más adecuado para identificar la característica que se va a evaluar y la validación externa del modelo. Además, el artículo resume los desafíos existentes en la implementación del Machine Learning desde la investigación al uso clínico. (AU)

In the previous article, we introduced topics such as data collection and analysis, selection and training of supervised machine learning models and methods of internal validation that allow to corroborate whether the model yields similar results to other training and test sets.In this article, we will continue with the description of the performance evaluation, selecting the most appropriate model to identify the characteristic to evaluate and the external validation of the model. In addition, the article summarizes the actual challenges in the implementation of machine learning from research to clinical use. (AU)

Aprendizaje automático aplicado en área de la salud: parte 1 / Machine learning in healthcare: part 1

Este será el primero de dos artículos donde se tratarán los pasos necesarios para desarrollar un proyecto de aplicación de técnicas de Machine Learning en Salud, que introduce nociones sobre la recolección y análisis de datos, la selección y entrenamiento de modelos de aprendizaje auto-mático de tipo supervisado y los métodos de validación interna para cada modelo. (AU)

This will be the first of two articles where the steps needed to apply machine learning methods in healthcare will be discussed. It will introduce fundamental notions about data collection, selection and training of supervised ML models as well as the methods of internal validation. In a second article, we will discuss about the performance evaluation to select the most appropriate model and its external validation. (AU)

Design and development of an early warning score for COVID-19 hospitalized patients / Diseño y desarrollo de un sistema de alerta temprana para pacientes hospitalizados por COVID-19

Abstract Pandemics pose a major challenge for public health preparedness, requiring a coordinated international response and the development of solid containment plans. Early and accurate identifica tion of high-risk patients in the course of the current COVID-19 pandemic is vital for planning and making proper use of available resources. The purpose of this study was to identify the key variables that account for worse outcomes to create a predictive model that could be used effectively for triage. Through literature review, 44 variables that could be linked to an unfavorable course of COVID-19 disease were obtained, including clinical, laboratory, and X-ray variables. These were used for a 2-round modified Delphi processing with 14 experts to select a final list of variables with the greatest predictive power for the construction of a scoring system, leading to the creation of a new scoring system: the COVID-19 Severity Index. The analysis of the area under the curve for the COVID-19 Severity Index was 0.94 to predict the need for ICU admission in the following 24 hours against 0.80 for NEWS-2. Additionally, the digital medical record of the Hospital Italiano de Buenos Aires was electronically set for an automatic calculation and constant update of the COVID-19 Severity Index. Specifically designed for the current COVID-19 pandemic, COVID-19 Severity Index could be used as a reliable tool for strategic planning, organization, and administration of resources by easily identifying hospitalized patients with a greater need of intensive care.

Resumen La pandemia por COVID-19 planteó un desafío para el sistema salud, debido a la gran demanda de pacientes hospitalizados. La identificación temprana de pacientes hospitalizados con riesgo de evo lución desfavorable es vital para asistir en forma oportuna y planificar la demanda de recursos. El propósito de este estudio fue identificar las variables predictivas de mala evolución en pacientes hospitalizados por COVID-19 y crear un modelo predictivo que pueda usarse como herramienta de triage. A través de una revisión narrativa, se obtuvieron 44 variables vinculadas a una evolución desfavorable de la enfermedad COVID-19, incluyendo variables clínicas, de laboratorio y radiográficas. Luego se utilizó un procesamiento por método Delphi modificado de 2 rondas para seleccionar una lista final de variables incluidas en el score llamado COVID-19 Severity Index. Luego se calculó el Área Bajo la Curva (AUC) del score para predecir el pase a terapia intensiva en las próximas 24 horas. El score presentó un AUC de 0,94 frente a 0,80 para NEWS-2. Finalmente se agregó el COVID-19 Severity Index a la historia clínica electrónica de un hospital universitario de alta complejidad. Se programó para que el mismo se actualice de manera automática, facilitando la planificación estratégica, organización y administración de recursos a través de la identificación temprana de pacientes hospitalizados con mayor riesgo de transferencia a la Unidad de Cuidados Intensivos.

Investigación traslacional en microbioma (InTraMic): un área de interés común y creciente en el IMTIB, Hospital Italiano e Instituto Universitario / Translational research in microbiome (InTraMic): an area of common and growing interest at IMTIB, Hospital Italiano and Instituto Universitario

Se estima que aproximadamente 100 trillones de microorganismos (incluidos bacterias, virus y hongos) residen en el intestino humano adulto y que el total del material genético del microbioma es 100 veces superior al del genoma humano. Esta comunidad, conocida como microbioma se adquiere al momento del nacimiento a través de la flora comensal de la piel, vagina y heces de la madre y se mantiene relativamente estable a partir de los dos años desempeñando un papel crítico tanto en el estado de salud como en la enfermedad. El desarrollo de nuevas tecnologías, como los secuenciadores de próxima generación (NGS), permiten actualmente realizar un estudio mucho más preciso de ella que en décadas pasadas cuando se limitaba a su cultivo. Si bien esto ha llevado a un crecimiento exponencial en las publicaciones, los datos sobre las poblaciones Latinoamérica son casi inexistentes. La investigación traslacional en microbioma (InTraMic) es una de las líneas que se desarrollan en el Instituto de Medicina Traslacional e Ingeniería Biomédica (IMTIB). Esta se inició en 2018 con la línea de cáncer colorrectal (CCR) en una colaboración con el Colorectal Cancer Research Group del Leeds Institute of Medical Research en el proyecto Large bowel microbiome disease network: Creation of a proof of principle exemplar in colorectal cancer across three continents. A fines de 2019 se cumplió el objetivo de comprobar la factibilidad de la recolección, envío y análisis de muestras de MBF en 5 continentes, incluyendo muestras provenientes de la Argentina, Chile, India y Vietnam. Luego de haber participado de capacitaciones en Inglaterra, se ha cumplido con el objetivo de la etapa piloto, logrando efectivizar la recolección, envío y análisis metagenómico a partir de la secuenciación de la región V4 del ARNr 16S. En 2019, la línea de enfermedad de hígado graso no alcohólico se sumó a la InTraMic iniciando una caracterización piloto en el marco de una colaboración con el laboratorio Novartis. Los resultados de ese estudio, así como el de cáncer colorrectal, están siendo enviados a publicación. En 2020, con la incorporación de la línea de trasplante alogénico de células progenitoras hematopoyéticas, fue presentado un proyecto para un subsidio del CONICET que ha superado la primera etapa de evaluación. En el presente artículo se brinda una actualización sobre la caracterización taxonómica de microbioma y se describen las líneas de investigación en curso. (AU)

It is estimated that approximately 100 trillion microorganisms (including bacteria, viruses, and fungi) reside in the adult human intestine, and that the total genetic material of the microbiome is 100 times greater than that of the human genome. This community, known as the microbiome, is acquired at birth through the commensal flora of the mother's skin, vagina, and feces and remains relatively stable after two years, playing a critical role in both the state of health and in disease. The development of new technologies, such as next-generation sequencers (NGS), currently allow for a much more precise study of it than in past decades when it was limited to cultivation. Although this has led to exponential growth in publications, data on Latin American populations is almost non-existent. Translational research in microbiome (InTraMic) is one of the lines developed at the Instituto de Medicina Traslacional e Ingeniería Biomédica (IMTIB). This started in 2018 with the Colorectal Cancer Line (CRC) in a collaboration with the Colorectal Cancer Research Group of the Leeds Institute of Medical Research in the project "Large bowel microbiome disease network: Creation of a proof of principle exemplar in colorectal cancer across three continents". At the end of 2019, the objective of verifying the feasibility of collecting, sending and analyzing MBF samples on 5 continents, including samples from Argentina, Chile, India and Vietnam, was met. After having participated in training in England, the objective of the pilot stage has been met, achieving the collection, delivery and metagenomic analysis from the sequencing of the V4 region of the 16S rRNA. In 2019, the non-alcoholic fatty liver disease line joined InTraMic, initiating a pilot characterization in the framework of a collaboration with the Novartis laboratory. The results of that study, as well as that of colorectal cancer, are being published. In 2020, with the incorporation of the allogeneic hematopoietic stem cell transplantation line, a project was presented for a grant from the CONICET that has passed the first stage of evaluation. This article provides an update on the taxonomic characterization of the microbiome and describes the lines of ongoing research. (AU)

Sarcoma de Ewing óseo: Enfoque multidisciplinario y resultados oncológicos en 88 pacientes / Ewing sarcoma of the bone. Multidisciplinary approach and oncological results in 88 patients

El sarcoma de Ewing óseo es un tumor poco frecuente, agresivo, que afecta principalmente a niños y adultos jóvenes. Existe ausencia de registros en nuestro país respecto de la prevalencia de esta enfermedad, los esquemas de tratamiento utilizados y sus resultados. El objetivo fue analizar, en un grupo de pacientes con sarcoma de Ewing óseo tratados con quimioterapia y cirugía de conservación de miembro, las tasas de supervivencia global, de recurrencia local y los factores de riesgo oncológicos. Se incluyó a 88 pacientes. La edad media de la serie fue de 14.5 años y el seguimiento promedio de 8.8 años. La tasa de supervivencia global fue de 79.5% a los 2 años, de 69% a 5 años y de 64% a 10 años. Los factores pronósticos negativos asociados a menor supervivencia fueron: mala respuesta a la quimioterapia, edad ≥ de 16 años, localización central, y recurrencia local. En el análisis multivariable únicamente la respuesta a la quimioterapia tuvo significancia estadística. La tasa libre de recurrencia local a 2 y 5 años fue del 87%. La mala respuesta a la quimioterapia fue el único factor significativo para la recurrencia local. Consideramos que la cirugía de conservación de miembro asociada a quimioterapia pre y postoperatoria debe ser el tratamiento para el sarcoma de Ewing óseo, alcanzando de esta manera una supervivencia global a 5 años del 69%. En nuestra serie, la respuesta a la quimioterapia ha sido el factor pronóstico más relevante para supervivencia y recurrencia local.

Ewing sarcoma of the bone is a rare, highly aggressive tumor that typically affects children and young adults. In Argentina, the lack of Ewing's sarcoma registries reflects in the absence of information regarding prevalence, treatment protocols and patient´s outcome. The purpose of this study was to analyze, in a group of patients diagnosed with Ewing sarcoma of the bone, treated with chemotherapy and limb-conserving surgery, their overall survival rate, local recurrence rate, and oncological risk factors. A retrospective research was conducted between 1990 and 2017. Eighty-eight patients with Ewing sarcoma of the bone matched the inclusion criteria. Median age was 14.5 years and median follow-up was 8.8 years. Overall survival rate was 79.5%, 69% and 64% at 2, 5 and 10 years respectively. Negative prognostic factors, associated with less survival rate after univariate analysis, were: bad response to chemotherapy (tumoral necrosis 0-89%), age > 16 years-old, central tumor localization and local recurrence. Gender and tumor size were not significant prognostic factors. After multivariate analysis, response to chemotherapy remained statistical significant. Local recurrence-free survival rate at 2 and 5 years was 87%. Tumor response to chemotherapy (0-89%) was the only significant factor for local recurrence. We consider that limb-salvage surgery, with neoadjuvant and adjuvant chemotherapy, are the mainstays of treatment for Ewing's sarcoma, with an overall survival rate, at 5 years, of 69%. In this population, response to chemotherapy is the most relevant prognostic factor, being associated with both local recurrence and overall survival.

Masa del ventrículo izquierdo en habitantes sanos de la Ciudad de Buenos Aires y correlación con medidas antropométricas / Left Ventricular Mass in Healthy Subjects of the City of Buenos Aires and its Correlation with Anthropometric Measurements

La hipertrofia ventricular izquierda es un predictor de riesgo de eventos cardiovasculares. Los objetivos del presente trabajo fueron establecer los valores de referencia para la masa ventricular izquierda en una población aparentemente sana de la Ciudad Autónoma de Buenos Aires, analizar su correlación con la edad y variables antropométricas y definir la mejor manera de expresar esos datos. Para el cálculo de la masa ventricular izquierda se utilizó metodología ecocardiográfica avalada internacionalmente (American Society of Echocardiography/European Association of Echocardiography) y la fórmula de Devereux ajustada. Luego de aplicar criterios de exclusión estrictos, se incluyeron 1.898 individuos, 48,89% hombres y 51,1% mujeres (edad 38 ± 11 años). El valor de masa ventricular izquierda fue para hombres de 155 ± 30 g (percentil 95 206 g), con distribución normal, y para mujeres de 112 ± 24 g (percentil 95 153 g), con distribución no normal (p < 0,001 entre géneros). Los valores son comparables a los referidos en estudios con similar metodología. Los índices de masa ventricular izquierda calculados mostraron una correlación moderada para superficie corporal y peso, y diferencias significativas entre géneros. Las distintas variables calculadas exhibieron heterogeneidad en el tipo de distribución (normal o no normal) de sus datos, por lo que consideramos que el percentil 95 es la mejor manera de expresar los valores de referencia. En conclusión, se estimaron los valores de referencia para masa ventricular izquierda en una población sana y se observó una correlación moderada con superficie corporal y peso. Proponemos la utilización del percentil 95 para expresar el valor superior de referencia para los datos obtenidos.

Left ventricular hypertrophy is a risk predictor of cardiovascular events. The objectives of this study were to establish reference values for left ventricular mass in an apparently healthy population of the Autonomous City of Buenos Aires, to analyze its correlation with age and anthropometric variables and to define the best way to express the assessed data. Left ventricular mass was estimated using internationally supported echocardiographic methods (American Society of Echocardiography/European Association of Echocardiography) and the adjusted Devereux equation. After applying strict exclusion criteria, 1898 subjects with mean age of 38 ± 11 years, 48.89% of whom were male and 51.1% were female, were included in the study. Left ventricular mass was 155 ± 30 g for men (95th percentile 206 g) with normal distribution, and 112 ± 24 g for women (95th percentile 153 g) with non-normal distribution (p < 0.001 between genders). Values were comparable to those reported in studies using a similar methodology. Left ventricular mass index showed a moderate correlation with body surface area and weight, and significant differences between genders. As calculated variables exhibited heterogeneity in data distribution (normal or non-normal), the 95th percentile was assumed as the best way of expressing reference values. In conclusion, estimated reference values of left ventricular mass in a healthy population moderately correlated with body surface area and weight. We propose the use of the 95th percentile to express the upper reference value of the assessed data.

Realidad virtual: su aplicación en cirugía reconstructiva oncológica esquelética: presentación de un caso de osteosarcoma tibial / Virtual reality: application in oncologic skeletal reconstructive surgery: presentation of a tibial osteosarcoma case

Introducción: Una de las promesas de la era informática se suscita desde la investigación in silico (investigación asistida por computadora). En el presente trabajo nos propusimos crear un modelo 3D in silico de un caso clínico real, imprimirlo en 3D y navegar una osteotomía previamente planeada. Materiales y métodos: Se presenta el caso de un paciente de 11 años con diagnóstico de osteosarcoma localizado en la metáfisis proximal de la tibia izquierda. Se practicó la planificación tridimensional a partir del procesamiento de las imágenes correspondientes a la tomografía y la resonancia magnética. La resección y la reconstrucción se practicaron siguiendo el modelo virtual creado. Resultados: La planificación tridimensional pudo ser creada. Fue posible reproducir un modelo 3D en un escenario virtual identificando hueso sano, tumor y márgenes oncológicos planificando y ejecutando una osteotomía biplanar. Conclusiones: Es posible que la aplicación de estas técnicas en la práctica de la ortopedia general permita planificaciones virtuales preoperatorias en múltiples situaciones. De esta forma, contribuiría a disminuir la incidencia de fallas intraoperatorias imprevistas, contribuyendo a obtener procedimientos quirúrgicos predecibles, implementando así una nueva manera de realizar desarrollo, investigación y entrenamiento en ortopedia y traumatología mediante el uso de tecnología in silico.

Background: One of the major challenge for orthopedic surgery is to create a preoperative plan in a 3D virtual space and reproduce it in a 3D model. Thanks to rapid prototyping (RP) models, we can build a three-dimensional scaled bone model with a tumor inside. Our objective was to obtain segmented images from a tibial bone, with a tumor. Next, determine safe margins inside, in order to create a preoperative 3D plan. Then, print a RP model, with colors inside, and reproduce the surgery (simulation) with a navigation system. The feasibility of such procedure is based on our hypothesis, that it is possible to simulate an in vitro scenario for bonetumor surgery, and apply complex osteotomies with navigation, thus preserving healthy tissue. Methods: An 11-year old patient with knee pain, andproximal tibia osteosarcoma diagnosed by biopsy, was scanned with CT Multislice. The preoperative planning was applied using a 3D simulation platform. Two planes were created into the bone, one near the tumor, in red (3mm of unsafe margin), the other, far from the tumor, in blue (3mm of safe margin). Our RP model was created using Z-printer Spectrum Z-510 and ZP131 powder in 1hour and 47 minutes. Weprinted the model in two halves, in order to print the inner colored structures, which were then attached with glue,thus obtaining the final RP bone model.The preoperative plan was masked and exported from our 3D virtual platform to the navigator. The osteotomies were applied with Stryker Navigation System II, using the planned 3D virtual path. After performing the osteotomy, the piece was separated with a saw into the two original halves. Results: The separated RP bone was used as an anatomic pathological simulated model. We could see the correct and wrong paths of the previously planned osteotomy in the 3D virtual scenario, applied with navigation...