Los pacientes sometidos a hemodiálisis conforman uno de los grupos más vulnerables dentro de las unidades de cuidados intensivos (UCI). Su elevada carga de comorbilidad -cardiovascular, metabólica e infecciosa- genera una evolución más incierta que la del paciente crítico general. En ellos, los sistemas tradicionales de estratificación de gravedad, como APACHE-II o SOFA, pierden precisión porque muchas variables de referencia aparecen alteradas de forma crónica, lo que dificulta identificar a tiempo a quienes presentan mayor riesgo de deterioro.
En este contexto, un estudio multicéntrico internacional, publicado en versión preliminar en BMC Medical Informatics and Decision Making, propone un avance relevante: la aplicación de modelos de aprendizaje automático (machine learning, ML) para mejorar la predicción de mortalidad en UCI en personas en hemodiálisis. El trabajo, liderado por el Primer Hospital Afiliado de la Universidad Sun Yat-sen (China), muestra que estos algoritmos superan de forma consistente a las escalas convencionales.
El análisis integró tres cohortes complementarias: una cohorte china (SYSU) con 248 pacientes utilizada como base de entrenamiento; la base eICU, con 1.878 pacientes, empleada para la fase de selección y ajuste intermedio, y la base MIMIC-IV, con 769 pacientes, destinada a la validación externa más exigente. En total, más de 2.800 pacientes en hemodiálisis ingresados en UCI. Los autores recopilaron 113 variables clínicas obtenidas en las primeras 24 horas de ingreso, desde constantes vitales, bioquímica y analíticas hasta parámetros ventilatorios, variables renales específicas, medicación y datos demográficos. El objetivo principal fue la mortalidad por cualquier causa en UCI, y como secundarios, la mortalidad cardiovascular y la relacionada con infección.
Para su desarrollo se entrenaron trece algoritmos de ML -incluyendo redes neuronales, árboles de decisión, modelos basados en gradiente y métodos de ensamblaje- y se generaron múltiples combinaciones depuradas en varias etapas. La primera consistió en un entrenamiento y validación cruzada en la cohorte SYSU, donde se seleccionaron únicamente los modelos con un AUC (area under the curve, métrica que sirve para evaluar la capacidad predictiva de un modelo y en que 0,50 equivale al azar y 1 es el máximo) igual o superior a 0,80.
La nueva era de la medicina intensiva: las UCI del futuro, MWC: Bellvitge desarrolla una herramienta de IA para críticos, UCI más seguras con prescripción electrónica y armarios inteligentes A continuación, se testaron en la cohorte eICU para comprobar su generalización y evitar sobreajuste. Finalmente, los modelos mejor situados pasaron a Un estudio multicéntrico identifica los predictores clave de mortalidad en UCI para pacientes en hemodiálisis y demuestra que la IA supera a las escalas clínicas tradicionales. Off Rosalía Sierra Profesión Nefrología Off
Noé Garin en la presentación del Libro Verde. Foto: SEFH.
'Centro de vacunación', óleo del pintor sevillano Manuel González Santos.
