Investigadores han diseñado un nuevo modelo de inteligencia artificial que emula ensayos clínicos aleatorizados para determinar las opciones de tratamiento más efectivas en la prevención de derrames cerebrales en personas con enfermedades cardíacas. El modelo fue pre-entrenado con datos desidentificados de millones de pacientes extraídos de reclamaciones de atención médica presentadas por empleadores, planes de salud y hospitales. Este modelo superó a siete modelos existentes y produjo recomendaciones de tratamiento similares a cuatro ensayos clínicos aleatorizados. La investigación, publicada en la revista "Patterns", muestra un aumento del 7% al 8% en el rendimiento en comparación con otros métodos. El objetivo no es reemplazar la investigación clínica estándar, sino acelerar y personalizar los cuidados a través del aprendizaje automático. El modelo, denominado CURE (Estimación del Efecto del Tratamiento Causal), podría identificar un grupo reducido de medicamentos candidatos eficaces, agilizando los ensayos clínicos. Utilizando grandes conjuntos de datos no etiquetados para el pre-entrenamiento, el modelo puede aplicarse a múltiples enfermedades y fármacos. La incorporación de grafos de conocimiento y alineación de datos de pacientes mejora el rendimiento del modelo. Los investigadores esperan que, con la aprobación de la FDA, los médicos puedan utilizar este tipo de algoritmo basado en registros médicos electrónicos para personalizar los tratamientos de los pacientes.