Investigadores chilenos desarrollan un algoritmo que ayudaría a optimizar camas críticas de hospitales ante colapso por neumonía de adultos mayores
En Chile, los adultos mayores de 65 años concentran cerca del 85% al 90% del total de fallecimientos por influenza y neumonía. Cada invierno, los hospitales públicos enfrentan el mismo drama: más pacientes que camas críticas disponibles y decisiones tomadas bajo una presión insostenible.
Para hacer frente a esta realidad, un equipo de diez investigadores de universidades chilenas —entre ellos el Dr. Eduardo Guzmán-Muñoz, de la Universidad Autónoma de Chile— publicó en la revista científica Diagnostics un modelo basado en inteligencia artificial que permitiría predecir con alta precisión el riesgo de mortalidad de los pacientes. Esta herramienta posibilitaría a los equipos médicos anticipar decisiones críticas y optimizar los recursos hospitalarios según la realidad epidemiológica de cada territorio, un factor clave para mitigar el colapso de las redes de urgencia y uso de camas UCI, especialmente durante las campañas de invierno.
La investigación, que durante 6 meses analizó 58.306 hospitalizaciones de personas mayores de 60 años en 72 hospitales públicos chilenos entre 2019 y 2024, parte de una premisa que la medicina clínica conoce, pero a menudo no mide con exactitud: la fragilidad del paciente es un predictor de riesgo mucho más peligroso y determinante que la edad de la persona.
“La fragilidad del paciente se entiende como un estado de vulnerabilidad biológica acumulada. A medida que las personas envejecen, van perdiendo reservas fisiológicas -como disminución de masa muscular o menor respuesta del sistema inmune-, lo que reduce drásticamente su capacidad para resistir y recuperarse de un evento agudo y severo como la neumonía”, explica Dr. Eduardo Guzmán-Muñoz.
Para medir esa fragilidad «invisible», los investigadores incorporaron el Hospital Frailty Risk Score (HFRS) —o Índice de Riesgo de Fragilidad Hospitalaria—, un indicador estandarizado que se calcula automáticamente a partir de los diagnósticos previos registrados en la ficha administrativa del paciente. La gran ventaja operativa del sistema es que no requiere exámenes de laboratorio adicionales ni aparatos especiales: los datos ya están disponibles en cada historial de egreso hospitalario del sistema FONASA.
“Si bien medir la fragilidad es clave, no es lo único que hace único a este modelo. La verdadera innovación es que combinamos este indicador administrativo con Inteligencia Artificial Explicable (Machine Learning). Los sistemas de evaluación clínica tradicionales asumen que los riesgos se suman de forma lineal. Nuestro enfoque, en cambio, utiliza algoritmos avanzados, como Extra Trees, que logran detectar patrones complejos y no lineales en el historial del paciente”, detalla el académico de la U. Autónoma.
De esta manera, el sistema superó con creces a los métodos estadísticos clásicos: mientras el sistema tradicional alcanzó un 64% de precisión predictiva, el nuevo sistema elevó la certeza al 86%.
“Además, a diferencia de otras inteligencias artificiales que funcionan como ‘cajas negras’, nosotros implementamos una tecnología llamada SHAP que hace que el modelo sea transparente. Es decir, no solo predice quién tiene mayor riesgo de fallecer, sino que le explica al equipo médico exactamente qué factores están impulsando ese riesgo en ese paciente específico”, sostiene el investigador y codirector del proyecto.
Sobre las barreras que todavía hay que superar para llevar este modelo a salas de admisión de los hospitales, el académico sostiene que “para que el algoritmo opere en tiempo real, debemos integrar el software con las Fichas Clínicas Electrónicas, para automatizar el cálculo de riesgo; diseñar un dashboard visual amigable que agilice las decisiones médicas críticas; e implementar una validación ‘en vivo’ para monitorear y recalibrar el modelo ante cambios en los perfiles de los pacientes”.
Por último, el equipo de investigadores tiene proyectado postular a fondos competitivos como el FONIS. “Estos recursos son fundamentales para financiar el desarrollo de la plataforma de software, su integración con los sistemas actuales y, lo más importante, realizar los estudios de validación prospectiva (en tiempo real) que nos permitirán medir el verdadero impacto de esta herramienta en la atención y sobrevida de los adultos mayores”, sostuvo el Dr. Guzmán-Muñoz.