Inteligencia artificial, sensores inteligentes y nuevos predictores fisiológicos y medioambientales para una mejor gestión de la EPOC

La  telemedicina  ha  demostrado  ser  una  herramienta prometedora  para  prevenir  ingresos hospitalarios  por exacerbaciones de la enfermedad pulmonar obstructiva crónica (EPOC). Sin embargo, los resultados de los ensayos de telemonitorización con pacientes con EPOC revelan una falta de especificidad en los modelos predictivos desarrollados, que generan frecuentes alertas clínicamente innecesarias, con el consiguiente consumo excesivo de recursos sanitarios o con niveles evitables de estrés y ansiedad para los pacientes y cuidadores. Existe por tanto la necesidad de encontrar nuevos predictores de exacerbaciones y  de desarrollar modelos predictivos. 
El proyecto CICERONE aborda estos objetivos mediante la búsqueda de nuevos predictores fisiológicos y ambientales de exacerbaciones de EPOC que habiliten el desarrollo de modelos basados en inteligencia artificial fiable. En  este  estudio,  se  ha  desarrollado  un  sistema  de telemonitorización domiciliaria multimodal para pacientes de EPOC, que registra síntomas, datos ambientales y de estilo de vida, e información biomédica. Se presenta en este trabajo el sistema desarrollado, junto a aspectos metodológicos y de usabilidad del desarrollo, que será empleado en un estudio de campo con un grupo de pacientes de EPOC. El objetivo final es el de desplazar el manejo de la EPOC de un enfoque genérico a uno personalizado, a través de la investigación de parámetros fisiológicos para la predicción de exacerbaciones de la EPOC y la  generación  de  modelos  predictivos  que  ofrezcan  un compromiso entre la comprensión clínica y la bondad del ajuste estadístico.