Investigadores de la Universidad Santo Tomás (UST), en Chile, desarrollaron un modelo de inteligencia artificial (IA) que busca identificar de forma temprana el riesgo de muerte en adultos mayores hospitalizados por neumonía. La herramienta está pensada para apoyar las decisiones clínicas y contribuir a una mejor distribución de los recursos hospitalarios, especialmente durante los periodos de alta circulación de virus respiratorios.
La neumonía se encuentra entre las principales causas de hospitalización y mortalidad de las personas mayores en el país. El estudio es liderado por la Dra. Yeny Concha, directora del Magíster en Gerontología Clínica Interdisciplinar de la UST, y considera distintas variables clínicas, entre ellas el nivel de fragilidad del paciente.
La importancia de medir la fragilidad
Para la Dra. Concha, incorporar este factor permite generar una alerta temprana y objetiva sobre quienes presentan mayores probabilidades de evolucionar desfavorablemente o fallecer durante la hospitalización. La investigadora advierte que la edad, por sí sola, no siempre representa el riesgo real, ya que dos personas con la misma edad pueden tener reservas fisiológicas muy diferentes.
De esta manera, el modelo busca evaluar la vulnerabilidad de cada paciente de forma más integral. Su función no sería sustituir al personal de salud, sino entregar información adicional para respaldar el criterio profesional.
En periodos de alta demanda asistencial, la tecnología podría ayudar a priorizar la vigilancia, las evaluaciones tempranas y las derivaciones a unidades de mayor complejidad. También tendría el potencial de apoyar la planificación de camas críticas y la asignación de los equipos de salud.
Antes de llegar a los hospitales
El uso del sistema también podría favorecer una comunicación más clara con las familias y facilitar la planificación de los cuidados. Sin embargo, todavía debe superar nuevas etapas antes de implementarse en hospitales.
El Dr. Eduardo Guzmán, académico de la Escuela de Kinesiología de la UST, señaló que el próximo paso consiste en realizar una validación prospectiva. Esto implica probar el modelo en condiciones reales de atención y con pacientes nuevos, para comprobar que sus alertas contribuyen a tomar mejores decisiones y que pueden ser interpretadas y utilizadas por los equipos clínicos.
La eventual implementación enfrenta además desafíos técnicos y regulatorios. Será necesario garantizar la calidad y la interoperabilidad de los datos clínicos, reforzar la protección de la información de los pacientes e integrar la herramienta con las plataformas hospitalarias existentes. Según Guzmán, las principales inversiones estarían relacionadas con la integración de los sistemas, la capacitación, el soporte técnico y la evaluación permanente de sus efectos.
El académico explicó que el modelo fue concebido bajo un enfoque de inteligencia artificial explicable, de modo que sea posible comprender qué variables influyen en cada predicción. La herramienta debe servir para mejorar la priorización de la atención, pero nunca operar como un mecanismo automático que reemplace la evaluación profesional. El equipo de investigación ya trabaja en nuevas aplicaciones para esta tecnología.
Fuente: BioBioChile
