En un edema el líquido que normalmente permanece dentro de los vasos sanguíneos se filtra hacia los alvéolos —pequeños sacos de aire del pulmón—, que son los encargados de intercambiar oxígeno con la sangre. Al llenarse de líquido en lugar de aire, el paso de oxígeno al organismo se dificulta, lo que provoca sensación de ahogo, respiración acelerada y tos, síntomas que pueden agravarse rápidamente si no se atienden a tiempo.
La causa más frecuente es un mal funcionamiento del corazón: cuando no bombea con eficacia, la sangre se acumula en los pulmones y favorece que el líquido se filtre hacia su interior. Sin embargo, también se puede presentar por infecciones como la neumonía o por insuficiencia renal, y se puede volver mortal sino se trata a tiempo.
En los servicios de urgencias es crucial identificar no solo su presencia sino también su gravedad, para decidir si bastan medicamentos y oxígeno o si el paciente necesita ventilación mecánica e ingreso a cuidados intensivos. Sin embargo, interpretar una radiografía de tórax no siempre es inmediato, pues los signos pueden ser sutiles, confundirse con otras enfermedades pulmonares o depender de la experiencia del especialista, lo que introduce demoras justo cuando el tiempo es más crítico.
En este contexto, el investigador Juan Sebastián Neiza Mejía, magíster en Ingeniería de Sistemas y Computación de la Universidad Nacional de Colombia (UNAL), implementó una herramienta para acortar el intervalo de diagnóstico usando el poder de la inteligencia artificial (IA), específicamente al aprendizaje automático.
Un respiro para los pacientes
A diferencia de otros modelos u algoritmos que analizan solo imágenes, esta IA también “lee” el informe clínico asociado y combina ambas fuentes de información para estimar el nivel de severidad. Es como si dos especialistas —uno que observa la radiografía y otro que revisa la historia médica— evaluaran al paciente al mismo tiempo y llegaran a una conclusión conjunta en cuestión de segundos por cada caso.
“Los resultados muestran que esta combinación, desarrollada desde sus bases en softwares como Contact Doctor, mejora la capacidad para diferenciar entre casos leves, moderados y graves, algo fundamental para priorizar la atención en hospitales con alta demanda o escasez de radiólogos. En la práctica funcionaría como un sistema de alerta temprana que señala cuáles pacientes requieren intervención inmediata y cuáles pueden esperar sin riesgo”, explica el investigador.
Para desarrollar el sistema se utilizaron miles de radiografías de tórax reales junto con los informes médicos asociados, provenientes de una gran base de datos (7.363 casos) hospitalaria internacional de pacientes adultos de Estados Unidos, muchos de ellos en unidades de cuidados intensivos. Cada estudio incluía además una clasificación del grado de edema pulmonar, lo que permitió “enseñarle” al algoritmo a reconocer patrones y asociarlos con distintos niveles de gravedad.
En el entrenamiento se le enseñó al modelo a identificar señales visuales en las imágenes —zonas blanquecinas difusas, acumulación de líquido en los tejidos, aumento del tamaño del corazón o cambios en la distribución del aire—, y al mismo tiempo comprender el lenguaje clínico de los reportes. Estas imágenes a veces son difíciles de diferenciar, por lo que el modelo ayuda a evitar errores en la interpretación médica.
Después, lo que el modelo “ve” en la radiografía y lo que “lee” en el informe se juntan para emitir una sola valoración. Así, al recibir un nuevo caso, la IA puede analizarlo casi de inmediato y ofrecer una orientación sobre la gravedad, útil para priorizar la atención mientras el especialista realiza su evaluación. La precisión se mide en un indicador llamado F1 Score, que va desde 0 hasta 1: cuanto más cerca a 1, más preciso. El modelo logró tener un puntaje de hasta 0,48, mientras que otros modelos reportados en la literatura apenas llegaban a 0,35.
Aunque el sistema no reemplaza al médico, sí se puede convertir en un apoyo valioso para reducir errores, estandarizar evaluaciones y acelerar decisiones en situaciones críticas. Esto es relevante porque cuando los pulmones comienzan a llenarse de líquido, cada minuto ganado puede significar la diferencia entre estabilizar a tiempo al paciente o enfrentar una emergencia que avanza demasiado rápido.
De hecho, el investigador Neiza asegura que “el modelo está listo para ser usado, no solo para casos de edema pulmonar sino también para cualquier enfermedad o condición de salud que se clasifique en grados de severidad, claro está, teniendo el entrenamiento adecuado con la información de cada patología”.
Así, si las instituciones de salud decidieran implementar el modelo, ayudaría al diagnóstico en múltiples casos, lo cual es determinante, pues el tratamiento depende del avance —en casos leves basta con oxígeno y medicamentos—, pero en otros se puede requerir ventilación química o inyecciones urgentes.
