Herramienta de IA identifica a niños con neumonía que requieren atención hospitalaria

El diagnóstico precoz de los casos graves en atención primaria es difícil, y las directrices internacionales de derivación actuales pueden pasar por alto a pacientes gravemente enfermos. Un nuevo estudio demuestra que un enfoque basado en inteligencia artificial puede identificar mejor a los niños pequeños con neumonía que requieren hospitalización.

Investigadores del University College Dublin (UCD) desarrollaron BIOTOPE (BIOmarkers TO diagnose PnEumonia), un algoritmo de aprendizaje automático diseñado para identificar a niños con neumonía que presentan un alto riesgo de requerir hospitalización. Esta herramienta superó significativamente los métodos de evaluación de riesgos existentes para determinar qué niños necesitan derivación urgente. Además, se diseñó para integrarse en el Sistema Integrado de Información de Salud Comunitaria (iCHIS) de Malawi, evitando así una mayor carga administrativa para el personal sanitario.

BIOTOPE aplica un modelo de bosque aleatorio para evaluar simultáneamente múltiples factores, como la frecuencia respiratoria, la temperatura, la frecuencia cardíaca, los niveles de oxígeno, el estado nutricional y las condiciones del hogar. Al integrar variables fisiológicas y contextuales, el modelo busca ayudar a los profesionales de la salud a tomar decisiones de derivación consistentes y basadas en datos. Los investigadores observaron que muchos niños que fallecieron por neumonía grave en estudios previos no presentaban los signos de alerta habituales que suelen motivar la derivación, lo que subraya la necesidad de una evaluación multiparamétrica.

Los detalles del trabajo fueron publicados en PLOS Medicine el 9 de junio de 2026. El equipo internacional entrenó y validó el algoritmo utilizando datos de más de 2.500 niños atendidos en clínicas de atención primaria en Malawi. El proyecto BIOTOPE, liderado por UCD, contó con colaboradores de Mzuzu University (Malawi), University of Galway, Queen’s University Belfast, la Organización Mundial de la Salud, el Ministerio de Salud de Malawi y Luke International Norway.

La iniciativa también incorporó una amplia participación pública, con padres y cuidadores que ayudaron a definir las prioridades del estudio. Según el equipo del proyecto, integrar la herramienta en los sistemas de información sanitaria existentes ofrece una vía práctica y escalable para su uso en primera línea en entornos con recursos limitados.

“Esta investigación demuestra que podemos mejorar significativamente la atención a los niños con neumonía grave. La vida de un niño puede depender de que un profesional sanitario en una clínica identifique correctamente la gravedad de su enfermedad. Ahora contamos con una herramienta que podría facilitar esa decisión en la práctica”, afirmó el Dr. Joe Gallagher, de la Facultad de Medicina de la UCD, quien dirigió el estudio.

“El aprendizaje automático nos permite crear algo que mejora con el tiempo en lugar de quedar obsoleto. Este algoritmo se puede reentrenar continuamente a medida que se acumulan nuevos datos, lo que mantiene su relevancia ante los cambios en los patrones de enfermedades y los contextos del sistema de salud”, afirmó el profesor Cathal Seoighe, de la Universidad de Galway.

Enlaces relacionados
Facultad de Medicina de la UCD