Cómo un modelo de IA permite anticipar la caída de la glucosa hasta 24 horas

La hipoglucemia hospitalaria aún es uno de los desafíos clínicos más frecuentes y peligrosos, tanto para las personas con diabetes como para aquellas sometidas a ayuno o en condiciones críticas.

Este descenso brusco de los niveles de azúcar en sangre puede generar complicaciones inmediatas como convulsiones, alteraciones cardíacas e incluso pérdida de conciencia, incrementando la gravedad de la internación y el riesgo de secuelas a largo plazo.

Hasta el momento, la detección en tiempo real de pacientes en riesgo de hipoglucemia hospitalaria dependía casi exclusivamente del monitoreo periódico de los equipos de salud. Esta limitación obligaba, en la mayoría de los casos, a intervenir solo cuando el episodio ya estaba desencadenado, restringiendo severamente las estrategias de prevención e incrementando el riesgo de complicaciones.

Un avance reciente ofrece una nueva perspectiva: la posibilidad de anticipar estos eventos, mediante un sistema automatizado basado en inteligencia artificial. La validación y el funcionamiento de esta herramienta fueron publicados en la revista npj Digital Medicine.

Un equipo interdisciplinario de Cedars-Sinai Health Sciences University diseñó y testeó una herramienta capaz de analizar el historial clínico electrónico, detectar patrones de riesgo y predecir hipoglucemia con hasta 24 horas de antelación.

“La mayoría de los cuidados hospitalarios para la hipoglucemia son reactivos, y solo intervienen después de que ocurre la disminución del azúcar en sangre”, señaló Roma Gianchandani, médica y vicepresidenta de calidad e innovación en Cedars-Sinai, en el comunicado de prensa institucional.

Los investigadores destacaron que el sistema fue entrenado con los datos de más de 143.000 internaciones y procesa automáticamente variables como administración de medicamentos, resultados de laboratorio, órdenes dietéticas y porcentajes de comidas consumidas.

Qué es la hipoglucemia y por qué es un problema en el hospital

La hipoglucemia se produce cuando la concentración de glucosa en sangre desciende por debajo de los valores considerados seguros —usualmente menos de 70 mg/dL—.

Tal como lo define la Mayo Clinic, la glucosa es la principal fuente de energía del organismo, y su descenso provoca síntomas que incluyen temblores, palidez, sudoración, palpitaciones y confusión. Si la baja se agrava, puede aparecer desorientación, alteraciones en la coordinación y el habla, convulsiones y pérdida de la conciencia.

“La hipoglucemia grave puede amenazar la vida del paciente y requiere intervención inmediata”, se detalla en los informes institucionales sobre el problema. Las causas más frecuentes en el hospital son la administración de insulina y otros fármacos hipoglucemiantes, así como el ayuno previo a procedimientos, las infecciones sistémicas graves y la desnutrición aguda o prolongada.

También pueden provocarla enfermedades renales o hepáticas, el consumo excesivo de alcohol y, en menor medida, determinados tumores del páncreas capaces de secretar insulina en exceso. “Detectar tempranamente estos riesgos permite adoptar medidas preventivas y reducir el impacto clínico”, explicaron los especialistas de Cedars-Sinai.

El sistema de inteligencia artificial y su validación con datos del mundo real

La nueva herramienta utiliza un modelo denominado LSTM (Long Short-Term Memory), que integra información dinámica del historial de cada paciente hospitalizado.

“El modelo analiza patrones en medicamentos, laboratorios, comidas y otros datos recolectados en intervalos de cuatro horas a lo largo de cinco días, anticipando la aparición de hipoglucemia en las siguientes 24 horas”, señalaron los investigadores.

La validación se realizó primero en forma retrospectiva y, posteriormente, se aplicó en tiempo real a población hospitalaria, confirmando su capacidad para detectar eventos críticos antes de que se manifiesten.

Amanda Momenzadeh, doctora en farmacia e investigadora principal del estudio, precisó: “El modelo de inteligencia artificial está diseñado para alertar al equipo de atención antes de que se produzca la hipoglucemia e identificar los factores clave que impulsan ese riesgo.

Además, al proporcionar conclusiones interpretables y específicas para cada paciente, contribuye a los programas hospitalarios de gestión de la diabetes”.

Según los testeos operativos, esta tecnología podría prevenir hasta tres o cuatro episodios de hipoglucemia por día en hospitales de gran tamaño.

De aplicarse de manera masiva, el impacto sería sustancial en términos de seguridad y resultados clínicos, según Jesse Meyer, PhD y profesor del Departamento de Biomedicina Computacional: “Lo más destacado es que no se trata de un modelo teórico, sino de una solución validada para operar en tiempo real con los datos rutinarios que ya se recolectan en hospitales.

Al identificar a los pacientes en riesgo antes de que presenten síntomas, se abre una oportunidad inédita de reducir complicaciones y mejorar la seguridad asistencial”.

El trabajo profundiza en el potencial de la inteligencia artificial para transformar la estrategia asistencial hospitalaria, pasando de un enfoque reactivo a uno proactivo y preventivo.

Según se detalla en el estudio, “el modelo LSTM proporciona una predicción clínicamente interpretable y puede respaldar flujos de trabajo orientados a una gestión proactiva de la glucemia en pacientes internados”.

Una característica distintiva es su capacidad para identificar los principales factores de riesgo en cada paciente, permitiendo intervenciones personalizadas y mejorando la comprensión del equipo médico sobre la evolución individual de la enfermedad.