Un modelo de inteligencia artificial desarrollado por investigadores de la Universidad de Alicante (UA) y varias instituciones brasileñas ha demostrado que puede identificar con una elevada precisión qué pacientes ingresados en UCI presentan mayor riesgo de mortalidad. El estudio, publicado en la revista científica Intensive & Critical Care Nursing, analiza más de 365.000 casos de COVID-19 y muestra el potencial de estas tecnologías para mejorar la gestión hospitalaria durante futuras emergencias sanitarias.
La investigación se ha basado en la base de datos SRAG (Síndrome Respiratorio Agudo Grave) del Ministerio de Salud de Brasil, uno de los mayores registros epidemiológicos sobre enfermedades respiratorias graves disponibles. A partir de esta información, los científicos aplicaron modelos de aprendizaje automático supervisado para identificar patrones relacionados con una evolución clínica más grave y con estancias prolongadas en unidades de cuidados intensivos.
Una IA capaz de anticipar el riesgo de los pacientes críticos
Los resultados muestran que los algoritmos desarrollados fueron capaces de predecir la mortalidad en UCI con una capacidad predictiva cercana al 85 %, permitiendo diferenciar entre pacientes con mayor y menor probabilidad de fallecimiento.
“Los modelos desarrollados mostraron una alta capacidad para identificar pacientes con mayor riesgo de fallecimiento en UCI. El mejor algoritmo alcanzó una capacidad predictiva cercana al 85 %, permitiendo discriminar con bastante precisión entre pacientes de mayor y menor riesgo”, explica Lia da Graça, investigadora principal del estudio, que formó parte durante su etapa doctoral del grupo RoVIT (Robótica, Visión Artificial y Tecnologías Inteligentes) de la Universidad de Alicante.
El análisis también permitió identificar cuáles eran los factores con mayor influencia en la predicción. Entre ellos destacan la necesidad de soporte respiratorio, la edad del paciente y variables relacionadas con el contexto epidemiológico, como la región geográfica o el momento concreto de la pandemia.
Según la investigadora, estos resultados muestran que el pronóstico de un paciente no depende únicamente de su estado clínico individual. “También influyen factores estructurales como la presión asistencial o las desigualdades territoriales en el acceso a cuidados intensivos”, señala.
La IA como apoyo para organizar mejor los hospitales
El equipo también estudió si los modelos podían anticipar cuánto tiempo permanecerían los pacientes en la UCI. En este caso, la precisión fue menor, ya que la estancia media analizada fue de unos 11 días, con un margen de error aproximado de entre cuatro y seis días.
A pesar de esta limitación, los investigadores consideran que estas predicciones pueden aportar información útil para la planificación sanitaria, especialmente en situaciones de saturación hospitalaria, al permitir anticipar necesidades asistenciales y optimizar la distribución de recursos.
“Incorporar en el futuro biomarcadores clínicos y escalas de gravedad puede aumentar la precisión de estas estimaciones y mejorar la planificación asistencial”, explica Germán González, investigador de la Universidad de Alicante y coautor del artículo.
Datos masivos e inteligencia artificial para responder a futuras crisis sanitarias
El trabajo pone de relieve el valor de los grandes conjuntos de datos sanitarios para desarrollar herramientas capaces de apoyar la toma de decisiones médicas.
Según los autores, combinar registros epidemiológicos amplios con técnicas avanzadas de inteligencia artificial puede ayudar a detectar antes las situaciones de mayor riesgo, mejorar el triaje de pacientes críticos y facilitar una gestión más eficiente de las unidades de cuidados intensivos en futuras emergencias.
La investigación demuestra así que la inteligencia artificial puede convertirse en una herramienta estratégica para transformar grandes volúmenes de información sanitaria en conocimiento útil para médicos y gestores hospitalarios.
Una investigación internacional liderada desde Alicante
El estudio ha sido realizado por investigadores de la Universidad de Alicante, junto a especialistas de la Universidad Federal de Sao Paulo, la Escuela de Guerra Naval de Brasil y la Universidad Estatal de Piauí.
Los autores subrayan que estas tecnologías no buscan sustituir la decisión clínica, sino aportar nuevos sistemas de apoyo que permitan a los profesionales sanitarios anticiparse mejor a escenarios complejos y tomar decisiones basadas en datos.
