← Volver al inicio

Una puntuación de riesgo con IA y la derivación rápida reducen la espera hasta el diagnóstico en un ensayo sobre enfermedades autoinmunes

Un ensayo aleatorizado vinculó una puntuación de riesgo basada en historias clínicas con una evaluación rápida en reumatología; entre quienes finalmente recibieron un diagnóstico, la mediana de espera pasó de 138 a 43 días. Los resultados respaldan el beneficio del circuito asistencial completo, pero aún no permiten aislar la contribución del modelo.

By SURL BioNews

Un resultado positivo en una prueba de anticuerpos antinucleares suele ser apenas el inicio del recorrido diagnóstico. Algunas personas necesitan una evaluación en reumatología cuanto antes, mientras que otras no tienen una enfermedad autoinmune; decidir el orden de prioridad de las consultas es uno de los retos que surgen tras la prueba. Un ensayo aleatorizado del sistema sanitario de Vanderbilt, en Estados Unidos, muestra que combinar un modelo de riesgo interpretable con una derivación rápida puede acortar el tiempo que tardan los pacientes en recibir un diagnóstico.

El estudio, denominado AURA, se publicó el 6 de noviembre en NEJM AI. La prueba de anticuerpos antinucleares (ANA) puede ayudar a evaluar enfermedades autoinmunes sistémicas como el lupus eritematoso, pero también puede dar positivo en personas sanas. Por ello, el resultado por sí solo no permite determinar quién tiene la enfermedad ni quién necesita una consulta prioritaria. El equipo investigador buscó aprovechar otras pistas de las historias clínicas electrónicas para ayudar a identificar a los pacientes de mayor riesgo.

Según la información difundida por Vanderbilt el 11 de noviembre, el modelo utiliza regresión logística e incorpora la edad, el sexo, el título de ANA, el recuento de plaquetas, otros autoanticuerpos y códigos diagnósticos asociados a síntomas relacionados. Este tipo de modelo permite mostrar los factores que influyen en la puntuación. Cuando el riesgo previsto de enfermedad autoinmune sistémica a diez años de un paciente del grupo de intervención alcanzaba el 20%, el equipo notificaba al médico que había solicitado la prueba y ofrecía la posibilidad de una evaluación acelerada en reumatología; tanto el médico como el paciente podían rechazarla.

El ensayo se realizó en un único sistema sanitario y asignó aleatoriamente a 2,385 personas. Tras excluir a algunos participantes después de la asignación, el análisis final incluyó a 954 personas del grupo de intervención y a 1,006 del grupo de control. Ambos grupos recibieron la atención habitual, y los médicos podían gestionar una derivación en cualquier momento; también se calculó la puntuación de riesgo del grupo de control, pero no se tomaron medidas en función de ella. Esto permitió examinar si vincular la puntuación con la gestión efectiva de las derivaciones podía modificar el proceso diagnóstico.

Los resultados mostraron que el grupo de intervención recibió antes el diagnóstico de enfermedad autoinmune, con una razón de riesgos instantáneos para el evento diagnóstico de 1.9, un intervalo de confianza del 95% de 1.3 a 2.7 y un valor de P inferior a 0.001. Entre quienes finalmente recibieron un diagnóstico, la mediana del tiempo transcurrido desde el resultado positivo de ANA hasta la confirmación diagnóstica fue de 43 días, frente a 138 días en el grupo de control. Estas dos medianas describen únicamente a quienes recibieron un diagnóstico y no pueden interpretarse como el tiempo de espera de todos los participantes.

Otra comparación mantuvo la incertidumbre: entre las personas evaluadas en reumatología dentro de los seis meses posteriores al resultado positivo de ANA, el 23% del grupo de intervención recibió un diagnóstico de enfermedad autoinmune, frente al 16% del grupo de control; la diferencia no alcanzó significación estadística (P = 0.07). Por tanto, el hallazgo de un diagnóstico más rápido no permite concluir directamente que se haya demostrado que el modelo aumenta la proporción de diagnósticos entre las personas evaluadas.

Este estudio aporta evidencia de un ensayo aleatorizado sobre la incorporación de una herramienta predictiva al circuito clínico, pero evaluó la intervención completa de «modelo más evaluación rápida», por lo que no permite estimar por separado el efecto de cada componente. Además, el estudio procede de un único sistema sanitario y algunos participantes no se incluyeron en el análisis tras la asignación aleatoria; al interpretar los resultados, deben considerarse las razones de esas exclusiones y sus posibles efectos. Aún se necesita verificar si un diagnóstico más temprano puede mejorar los resultados del tratamiento y reducir el daño orgánico, así como si otros hospitales pueden ofrecer la misma capacidad de atención especializada.

References

  1. Vanderbilt Health News
  2. PubMed / NEJM AI