Alerta 24 horas antes del deterioro de la función renal: una IA multicéntrica rastrea el origen del riesgo de cada paciente

La lesión renal aguda suele desarrollarse silenciosamente durante la hospitalización. Para cuando la creatinina aumenta de forma evidente, la ventana de tiempo para prevenir el daño puede haberse reducido. Un estudio multicéntrico intentó adelantar aún más la alerta: además de determinar si un paciente podría desarrollar la afección en las siguientes 24 horas, desglosa la alerta en fuentes concretas de riesgo para que el personal sanitario sepa qué debe examinar a continuación.

El equipo de investigación analizó 140.637 hospitalizaciones en cuatro hospitales de China de distintos niveles y regiones. La incidencia global de lesión renal aguda fue del 4,8 %. El sistema se basa en la arquitectura Qwen2.5-7B y divide las tareas entre dos modelos especializados: AKI-PM procesa datos de las historias clínicas electrónicas actualizados cada seis horas para predecir el riesgo durante las siguientes 24 horas; AKI-RAM distingue entre factores inmodificables y factores susceptibles de intervención, como la edad, las enfermedades preexistentes, la insuficiencia de líquidos o una infección de nueva aparición, y luego genera las recomendaciones correspondientes.

En una validación interna realizada con 17.074 hospitalizaciones del mismo hospital, el modelo predictivo alcanzó un área bajo la curva (AUC) de 0,95 y un valor predictivo positivo de 0,68. Al aplicarlo directamente en tres hospitales externos, el AUC fue de 0,88 a 0,91; después de que los investigadores realizaran una adaptación con pocas muestras utilizando 1.000 registros seleccionados al azar de cada hospital, el AUC aumentó hasta entre 0,92 y 0,96, y el valor predictivo positivo alcanzó entre 0,69 y 0,74. Esto indica que el modelo aún necesita incorporar parte de la composición específica de pacientes y los patrones de datos de cada centro para alcanzar su mejor rendimiento.

A diferencia de las herramientas predictivas tradicionales, que solo enumeran la importancia de las variables, el modelo de atribución de riesgos intenta traducir la alerta al lenguaje clínico. Seis nefrólogos con al menos cinco años de experiencia revisaron 200 casos procedentes de datos internos y externos. En ocho dimensiones, entre ellas la comprensión del caso, la concordancia con las guías, el razonamiento clínico, la aceptabilidad de las recomendaciones y el riesgo de daño, el modelo obtuvo puntuaciones medias de entre 4,18 y 4,88 en una escala de cinco puntos; la concordancia entre los evaluadores fue de moderada a buena.

Sin embargo, que los médicos consideren razonables las explicaciones no significa que se haya demostrado que estas recomendaciones mejoren los resultados de los pacientes. El estudio utilizó exclusivamente historias clínicas existentes para una validación retrospectiva y todavía no se ha evaluado en la práctica médica cotidiana si las alertas modificarían el manejo, reducirían la incidencia de lesión renal aguda o generarían una nueva fatiga por alertas. El rendimiento del modelo también fue menos estable en pacientes de cuidados intensivos y, por ahora, solo puede describir la relación temporal de los factores susceptibles de intervención, sin cuantificar numéricamente la contribución de cada factor al riesgo individual.

Por tanto, actualmente este sistema se aproxima más a un prototipo prometedor de apoyo a las decisiones clínicas que a una herramienta diagnóstica y terapéutica capaz de emitir juicios por sí misma. El siguiente paso es una validación clínica prospectiva, preferiblemente con un diseño aleatorizado, además de evaluar los sistemas sanitarios de distintos países, las diferencias en la calidad de los datos, la gobernanza de la privacidad y las necesidades de seguimiento continuo; solo si se demuestra que las intervenciones derivadas de la alerta aportan un beneficio real, los sólidos indicadores de discriminación se traducirán en beneficios para los pacientes.