Falta de camas disponibles, médicos desbordados y decisiones críticas de salud que se toman bajo presión. Así es el escenario de varios hospitales públicos en invierno, cuando enfermedades como la influenza y la neumonía aumentan desproporcionadamente. En estos casos, es difícil para los doctores responder quién necesita una cama UCI.

Pero un equipo de diez investigadores de distintas universidades chilenas, incluida la Universidad Autónoma de Chile, desarrolló un modelo de inteligencia artificial que predice con un 86% de precisión qué pacientes tienen mayor riesgo de morir durante una hospitalización.

Esta IA utiliza los datos ya disponibles de los hospitales públicos para hacer su predicción. Para llegar a esta cifra, la investigación, publicada en la revista científica Diagnostics, analizó más de 58 mil hospitalizaciones en 72 hospitales del país.

¿Cómo podría cambiar la atención en urgencias con este nuevo modelo?

Cómo funciona la IA creada para pacientes críticos

Según explica uno de los autores del estudio, Eduardo Guzmán, investigador y académico de la Escuela de Fonoaudiología de la Universidad Autónoma de Chile, esta herramienta de IA está pensada como un sistema de apoyo para detectar tempranamente a las personas mayores que presentan un mayor riesgo de fallecer durante su hospitalización.

“Esto permitiría que el equipo clínico intensifique la vigilancia, solicite anticipadamente una evaluación especializada o considere oportunamente el traslado a una unidad de cuidados intermedios o intensivos”, dice el experto, en conversación con La Tercera.

Conocer el riesgo de cada paciente de forma objetiva permite entregar atención prioritaria a quienes son más vulnerables, sin basarse únicamente en su edad o en cuántas enfermedades padecen.

“También facilita la identificación de pacientes de menor riesgo que pueden continuar su tratamiento en una unidad de menor complejidad”.

Sin embargo, Guzmán es enfático en que esta IA no reemplaza el criterio médico. Sino que “complementa el juicio clínico y entrega una alerta adicional para organizar mejor la vigilancia, evaluación y asignación de recursos”.

¿Es factible implementar esta IA en hospitales públicos de Chile?

“Es técnicamente factible, porque usa principalmente datos que ya se registran en los sistemas hospitalarios”, dice Guzmán. “Por ello, no requeriría exámenes adicionales, equipamiento de alto costo ni una evaluación manual extensa”.

No obstante, antes de implementarla de forma generalizada, el académico asegura que es necesario seguir probando el modelo con pacientes nuevos y en distintos períodos del año, para “verificar que sus predicciones estén correctamente calibradas en cada establecimiento”.

Además de lo anterior, es importante capacitar al equipo de profesionales que vayan a usar la herramienta, así como asegurar la protección de datos de los pacientes.

“Su incorporación debería comenzar mediante experiencias piloto y estudios prospectivos, antes de considerar una implementación progresiva en toda la red pública”.

¿Esta IA puede ayudar a salvar vidas?

Guzmán explica que el principal aporte de esta inteligencia artificial sería detectar de manera anticipada a personas cuya gravedad todavía no resulta evidente durante una evaluación clínica convencional.

Es decir, podría beneficiar “a personas mayores frágiles que aún no presentan una inestabilidad clínica manifiesta”.

“Al detectar este riesgo con mayor anticipación, sería posible reforzar la vigilancia, evaluar oportunamente la necesidad de soporte respiratorio o hemodinámico y prevenir retrasos en la intensificación del tratamiento”.

Además, sostiene que la herramienta podría contribuir a reducir complicaciones asociadas a la hospitalización, como el deterioro funcional, el delirium o la descompensación de enfermedades crónicas, mediante una evaluación geriátrica y multidisciplinaria más temprana.

Sin embargo, el investigador es enfático en señalar que todavía no es posible asegurar que el algoritmo, por sí solo, salve vidas.

“El estudio demuestra que posee una buena capacidad para distinguir entre pacientes con mayor y menor riesgo de mortalidad, pero su efecto sobre las complicaciones, la supervivencia y la utilización de camas deberá comprobarse mediante estudios prospectivos. Su verdadero valor dependerá de que la predicción se transforme en una acción clínica temprana, adecuada y supervisada por los profesionales de salud”.