Una investigación de la Universidad de Alicante con IA logra predecir la mortalidad en una UCI con un 85 % de precisión

Un trabajo internacional realizado por investigadores de la Universidad de Alicante (UA), junto a varias instituciones de Brasil, demuestra el potencial de la inteligencia artificial para mejorar la gestión hospitalaria y la respuesta ante emergencias sanitarias.

Publicado en la revista científica Intensive & Critical Care Nursing, la investigación analiza uno de los mayores conjuntos de datos epidemiológicos sobre covid-19 del sistema sanitario brasileño. Se trata de la base de datos SRAG (Síndrome Respiratorio Agudo Grave), el sistema de vigilancia de enfermedades respiratorias graves del Ministerio de Salud de Brasil.

A partir de este registro, los autores han estudiado más de 365.000 pacientes adultos y, aplicando modelos de aprendizaje automático supervisado, han identificado patrones asociados a mayor riesgo de mortalidad y a estancias prolongadas en UCI.

El ensayo impulsa el uso de la inteligencia artificial para mejorar la gestión de las UCI en emergencias sanitarias

Modelos

Los datos obtenidos apuntan a que la inteligencia artificial logró predecir la mortalidad en UCI con una elevada precisión. “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 la investigadora principal, Lia da Graça, que ha formado parte del equipo RoVIT, el Grupo de Investigación de Robótica, Visión Artificial y Tecnologías Inteligentes de la UA, durante una estancia doctoral.

Según el estudio, los factores con mayor peso en la predicción son la necesidad de soporte respiratorio, la edad del paciente y variables relacionadas con la región geográfica y el momento epidemiológico. “Este último hallazgo refleja que el pronóstico no depende únicamente del estado clínico individual, sino también de factores estructurales como la presión asistencial o las desigualdades territoriales en el acceso a cuidados intensivos”, apunta la investigadora.

Planificación hospitalaria

En cuanto al tiempo de estancia en UCI, la predicción es más limitada, ya que la estancia media fue de 11 días, con un margen de error aproximado de entre 4 y 6 días. Sin embargo, los autores del artículo consideran que sigue siendo una información útil para planificación hospitalaria y organización de recursos a nivel poblacional.

En este sentido, “incorporar en el futuro biomarcadores clínicos y escalas de gravedad puede aumentar la precisión de estas estimaciones y mejorar la planificación asistencial”, añade el investigador de la UA y también autor del artículo Germán González.

Asimismo, el trabajo subraya el valor de los datos abiertos a gran escala para el desarrollo de herramientas de apoyo a la decisión clínica. “Este tipo de investigación puede ayudar a anticipar necesidades de camas UCI, optimizar el triaje de pacientes críticos, detectar situaciones de mayor riesgo de forma precoz y facilitar una distribución más equitativa de recursos durante futuras crisis epidemiológicas”, destaca González.

Datos a gran escala

En definitiva, los resultados evidencian que el uso de datos públicos a gran escala, combinado con técnicas avanzadas de inteligencia artificial, puede ofrecer herramientas fiables para anticipar escenarios críticos y apoyar la toma de decisiones en contextos de alta presión asistencial.

Además de los investigadores de la UA, este trabajo interdisciplinario cuenta con personal de la Universidad Federal de São Paulo, la Escuela de Guerra Naval (EGN), ubicada en Río de Janeiro, y la Universidad Estatal de Piauí (UESPI).

Suscríbete para seguir leyendo