Modelo predictivo de alertas diarias de riesgo en pacientes con sepsis permite una intervención temprana

A pesar de los avances en la tecnología médica, predecir con precisión los desenlaces de la sepsis sigue representando un gran desafío. Los sistemas de puntuación tradicionales, como APACHE-II, a menudo no logran proporcionar evaluaciones de riesgo oportunas y precisas. En este contexto, un nuevo modelo predictivo que emite alertas diarias de riesgo para pacientes con sepsis en la UCI representa un avance significativo en la atención crítica.

Un equipo de investigadores de la Universidad de Sichuan (Chengdu, China) y sus colaboradores han desarrollado un modelo basado en Transformers de dos etapas, diseñado para procesar datos de series temporales por hora y por día de pacientes en la UCI. Entrenado con datos de más de 13.000 pacientes con sepsis, este modelo demostró una sólida capacidad predictiva, alcanzando un AUC de 0,92 al quinto día de ingreso en la UCI. Esta mejora destaca la capacidad del modelo para integrar patrones fisiológicos longitudinales, proporcionando a los profesionales sanitarios una herramienta eficaz para la intervención temprana.

El estudio, publicado en Precision Clinical Medicine, también empleó mapas de calor temporales derivados de SHAP para ilustrar la dinámica de las características asociadas a la mortalidad a lo largo del tiempo. Estos mapas de calor identificaron biomarcadores clave, como los niveles de lactato, el volumen corriente y los niveles de cloruro, que están estrechamente correlacionados con la evolución de los pacientes. Esta visualización ayuda a cerrar la brecha entre las predicciones del modelo y los biomarcadores clínicamente interpretables, proporcionando información valiosa a los médicos. La validación externa del modelo, que incluyó datos de sepsis de China y la base de datos MIMIC-IV, confirmó su generalización. Con una precisión del 81,8 % en datos de China y del 76,56 % en MIMIC-IV, el modelo demuestra su adaptabilidad a diversas poblaciones y entornos sanitarios.