Herramienta de IA identifica con precisión pacientes pediátricos con alto riesgo de sufrir coágulos sanguíneos

Ahora está disponible una nueva herramienta de inteligencia artificial (IA) para identificar con precisión qué pacientes pediátricos tienen un alto riesgo de desarrollar coágulos sanguíneos.

Los investigadores que realizaron un ensayo clínico llamado CLOT, dirigido por el Centro Médico de la Universidad de Vanderbilt (VUMC, Nashville, TN, EUA), descubrieron que la herramienta de inteligencia artificial es eficaz para identificar a los pacientes pediátricos con mayor riesgo de sufrir coágulos sanguíneos. Sin embargo, los resultados no fueron diferentes a los del grupo de control. Esto se debió en parte a que los médicos aceptaron la recomendación de la IA de iniciar un tratamiento anticoagulante en menos del 26 % de los casos de alto riesgo. A los médicos les preocupaba que el tratamiento pudiera provocar un sangrado significativo, aunque tales complicaciones no se observaron durante el estudio. A pesar de los resultados inesperados, la investigación confirmó la seguridad y eficacia de la herramienta de IA y ofreció información clave para su integración exitosa en la práctica de la atención médica.

Para determinar quién tenía mayor riesgo, el equipo de investigación examinó más de 110.000 admisiones a un hospital infantil a partir de registros médicos electrónicos. Encontraron 11 factores relacionados con un mayor riesgo de coágulos sanguíneos, como resultados de laboratorio específicos, diagnósticos y si el paciente fue operado o consultado con cardiología o enfermedades infecciosas. Estos datos se utilizaron para crear un modelo predictivo que calculaba las puntuaciones de riesgo diarias para cada niño admitido en el hospital, lo que permitió al equipo evaluar rápidamente a más de 100 pacientes cada día y concentrarse en aquellos con mayor probabilidad de desarrollar coágulos sanguíneos.

La prueba de 15 meses, que abarcó desde noviembre de 2020 hasta enero de 2022, incluyó 17.000 estancias hospitalarias y los pacientes fueron asignados aleatoriamente a dos grupos. Para el grupo de estudio, sus puntuaciones de riesgo y recomendaciones de tratamiento anticoagulante se compartieron con sus equipos médicos. Los médicos consideraron que los pacientes del grupo de control tenían alto riesgo sin la ayuda de la herramienta de IA y también recibieron medicamentos anticoagulantes. Ningún grupo experimentó complicaciones hemorrágicas debido al tratamiento. Al final, la tasa de coágulos sanguíneos no difirió entre los dos grupos, y se encontró que la recomendación de comenzar una terapia con anticoagulantes se siguió sólo el 25,8 % de las veces en el grupo de estudio.

El estudio CLOT demostró que es posible obtener resultados rápidamente sin forzar el tiempo ni los recursos del equipo médico, simplemente utilizando datos de registros médicos electrónicos existentes para incluir automáticamente a los pacientes en los ensayos clínicos. También demostró que los modelos de IA tienen un valor potencial en la atención médica. Sin embargo, todavía hay desafíos por abordar. Se están planificando ensayos futuros para profundizar en por qué los proveedores de atención médica dudan en seguir las recomendaciones de la IA para tratamientos anticoagulantes en casos de alto riesgo y cómo superar esa reticencia.

“Habrá cada vez más IA en la atención sanitaria. Tener un sistema establecido donde podamos evaluar estos (modelos) nos permitirá brindar una atención más segura y eficaz a nuestros pacientes”, dijo la Dra. Shannon Walker.

"Este estudio demuestra que un ensayo pragmático, aleatorizado y controlado a nivel de paciente es la forma más ética y eficaz de evaluar si las herramientas de IA son seguras y eficaces", añadió Daniel Byrne, MS.

Enlaces relacionados:
VUMC