La IA detecta insuficiencia cardiaca y riesgo de perder autonomía

Para muchos pacientes mayores con insuficiencia cardiaca, salir del hospital con vida no es el final del calvario. En la Universidad de Juntendo, en Japón, un equipo dirigido por el profesor adjunto Kanji Yamada quiso saber cuáles de ellos saldrían caminando y luego perderían poco a poco la capacidad de vivir por sí mismos. Siguieron a 6.382 pacientes de 65 años o más que habían sido hospitalizados por insuficiencia cardiaca, habían recibido fisioterapia y eran independientes antes del ingreso.

La mayoría de las herramientas de pronóstico se hacen una sola pregunta: ¿morirá el paciente o volverá a ser hospitalizado? El equipo de Yamada construyó un modelo basado en XGBoost, un método de aprendizaje automático que combina numerosas reglas de decisión, y lo alimentó con 77 posibles predictores. Las entradas más determinantes fueron medidas por fisioterapeutas en el momento del alta: la velocidad máxima de la marcha, la Short Physical Performance Battery (un conjunto de pruebas de equilibrio, marcha y bipedestación), la fuerza de prensión manual y el Índice de Barthel, una escala de tareas de la vida diaria. La fragilidad previa al ingreso, medida con el Kihon Checklist, completó el cuadro. El modelo se evaluó mediante un método de exclusión anidada por centro, que lo pone a prueba en centros que no sirvieron para entrenarlo.

Los resultados son claros en un punto. De los pacientes, 2.076 sufrieron un deterioro funcional y 928 murieron en el plazo de un año, mientras que 3.378 conservaron su independencia. La versión del modelo con diez variables «superó significativamente» a las puntuaciones basadas en la fragilidad. La velocidad de la marcha y la fragilidad previa al ingreso figuraron entre los predictores más influyentes, por delante de la fracción de eyección, la medida de la eficacia con la que bombea el corazón. El modelo también clasificó a los pacientes en cuatro grupos de riesgo. El más llamativo fue el de 1.732 pacientes con una probabilidad del 89 % de sobrevivir al año, pero con una tasa de deterioro funcional del 57 %. En otras palabras, muchas de las personas con más riesgo de perder su autonomía no eran las que más riesgo tenían de morir.

«Poder vivir de forma independiente es tan importante para muchos pacientes como cuánto tiempo viven», afirma Yamada. «En lugar de preguntarnos solo si el paciente va a sobrevivir, debemos preguntarnos si podrá mantener la vida que valora después del alta».

Para los clínicos, la promesa práctica es una lista más corta de pacientes que necesitan ayuda. El equipo propone que identificar al grupo de baja mortalidad y alto deterioro podría ayudar a los equipos a priorizar una rehabilitación ambulatoria o domiciliaria más intensiva tras el alta. Los investigadores también desarrollaron un prototipo de aplicación web que estima el riesgo individual en el momento del alta y simula cómo una mayor velocidad de la marcha podría modificarlo. Sus autores son claros: sigue siendo un prototipo, y todavía hacen falta estudios de implementación para demostrar si las decisiones guiadas por el modelo mejoran de verdad los resultados de los pacientes. No se ha fijado un calendario para su uso clínico.