Investigadores de Cedars-Sinai desarrollan una herramienta para identificar pacientes en riesgo hasta 24 horas antes, lo que podría prevenir complicaciones graves
Investigadores de la Cedars-Sinai Health Sciences University desarrollaron un modelo basado en IA que puede identificar a pacientes hospitalizados en riesgo de sufrir un nivel bajo de azúcar en sangre hasta 24 horas antes de que ocurra la afección. El modelo de memoria a largo y corto plazo (LSTM, por sus siglas en inglés), descrito en npj Digital Medicine, podría ayudar a los médicos a intervenir antes y prevenir complicaciones que, en casos graves, incluyen convulsiones, coma y arritmias cardíacas a largo plazo.
El modelo aborda un desafío histórico de la atención hospitalaria. La glucosa baja, también conocida como hipoglucemia, es una complicación frecuente y potencialmente mortal entre los pacientes hospitalizados, incluidos los que reciben tratamiento para la diabetes, quienes permanecen en ayuno antes de un procedimiento o quienes se encuentran en cuidados críticos. Sin embargo, actualmente no existen herramientas de uso generalizado para predecir qué pacientes hospitalizados desarrollarán hipoglucemia.
También puede interesarte
“Hoy en día, la mayor parte de la atención hospitalaria para la hipoglucemia es reactiva, y respondemos después de que el nivel de azúcar en sangre de un paciente baja”, afirmó Roma Gianchandani, MD, autora principal del estudio, vicepresidenta de Calidad e Innovación del Departamento de Medicina y directora del programa de Diabetes.
El modelo de IA desarrollado por investigadores de Cedars-Sinai analiza patrones en medicamentos, resultados de laboratorio, alimentación y otros datos de los expedientes clínicos electrónicos de los pacientes. Recopila la información en intervalos de cuatro horas durante un periodo de cinco días y la utiliza para predecir si un paciente desarrollará hipoglucemia en las siguientes 24 horas.
Los investigadores desarrollaron y validaron el modelo utilizando datos de más de 143,000 hospitalizaciones de adultos en tres hospitales del Cedars-Sinai Health System entre 2014 y 2025. Posteriormente, evaluaron la herramienta con datos prospectivos para confirmar sus hallazgos iniciales.
“El modelo de IA está diseñado para alertar a los equipos de atención al paciente antes de que este experimente un nivel bajo de azúcar en sangre e identificar los factores clave que impulsan ese riesgo“, señaló Amanda Momenzadeh, PharmD, autora principal del estudio y científica de proyectos en el Meyer Research Lab de Cedars-Sinai.
“Al ofrecer información procesable a los equipos de atención, también busca apoyar los programas de gestión de la diabetes en los hospitales”.
Los investigadores estiman que la herramienta podría prevenir entre tres y cuatro episodios de hipoglucemia por día en un hospital de gran tamaño. Extrapolado a todas las camas hospitalarias del mundo, el impacto podría ser considerable.
«Lo emocionante es que no se trata solo de un modelo teórico, sino que está construido y validado para funcionar de manera prospectiva y en tiempo real utilizando datos que los hospitales ya recopilan», afirmó el autor principal del estudio, Jesse Meyer, PhD, profesor asistente en el Departamento de Biomedicina Computacional de Cedars-Sinai.
«Al identificar antes a los pacientes en riesgo, tenemos la oportunidad de reducir las complicaciones prevenibles y mejorar la seguridad del paciente».
Si se adopta ampliamente, este modelo podría impulsar una atención más proactiva y basada en datos para pacientes hospitalizados con diabetes y otras afecciones que afectan los niveles de glucosa.
________________________________________________________________________________
Las opiniones, creencias y puntos de vista expresados por el autor o la autora en los artículos de opinión, y los comentarios en los mismos, no reflejan necesariamente la postura o línea editorial de Enlace Judío. Reproducción autorizada con la mención siguiente: © EnlaceJudío
