Investigadores chilenos desarrollan IA para predecir mortalidad por neumonía en adultos mayores hospitalizados
Modelo de inteligencia artificial de la UST incorpora índice de fragilidad para anticipar riesgo de muerte en pacientes adultos mayores con neumonía.
Un equipo de investigadores de la Universidad Santo Tomás (UST) dio a conocer el desarrollo de un modelo de inteligencia artificial orientado a predecir, de forma temprana, el riesgo de fallecimiento en adultos mayores hospitalizados por neumonía. La herramienta apunta a fortalecer la toma de decisiones clínicas en uno de los diagnósticos que mayor presión ejerce sobre el sistema hospitalario chileno durante las temporadas de alta circulación de virus respiratorios.
La neumonía representa una de las principales causas de hospitalización y muerte en la población mayor en Chile, un grupo que seguirá creciendo en términos proporcionales durante las próximas décadas. En ese contexto, disponer de herramientas predictivas con base en datos clínicos objetivos adquiere especial relevancia para los equipos de salud que deben priorizar recursos en unidades de alta demanda.
Lo que distingue a este modelo de otros sistemas de estratificación de riesgo existentes es la incorporación del índice de fragilidad como variable central. Según la Dra. Yeny Concha Cisternas, directora del Magíster en Gerontología Clínica Interdisciplinar de la UST y responsable del proyecto, este enfoque permite una lectura más precisa de la vulnerabilidad del paciente.
«La edad por sí sola no siempre refleja el riesgo real. Dos pacientes pueden tener la misma edad, pero reservas fisiológicas muy distintas. Al incorporar la fragilidad, el modelo permite mirar la vulnerabilidad del paciente de una forma más integral», señaló la investigadora.
Para los profesionales del sector salud, las implicancias prácticas son concretas:
- Generación de alertas tempranas y objetivas sobre pacientes en riesgo de deterioro clínico o muerte durante la hospitalización.
- Apoyo a la priorización de cuidados en unidades con alta ocupación de camas.
- Potencial optimización en el uso de recursos hospitalarios, incluyendo camas críticas e intervenciones de alto costo.
- Integración de variables geriátricas habitualmente subvaloradas en los sistemas convencionales de triage y scoring clínico.
La Dra. Concha Cisternas fue enfática en precisar que la herramienta está concebida como un sistema de apoyo a la decisión clínica, no como un reemplazo del criterio médico ni del equipo de salud. Este matiz resulta relevante en el debate actual sobre la implementación responsable de inteligencia artificial en entornos clínicos, donde la supervisión humana sigue siendo un requisito ético y regulatorio fundamental.
El desarrollo se enmarca en una tendencia global creciente de aplicar algoritmos de machine learning a la medicina geriátrica, área en la que Chile aún presenta brechas importantes en términos de herramientas validadas para la realidad local. La eventual implementación de este tipo de modelos en la red asistencial pública o privada requerirá estudios de validación externa y un marco de gobernanza que regule su uso en la práctica clínica.