Modelo impulsado por IA ayuda a los médicos a gestionar la dosificación compleja de insulina

Después de una cirugía cardíaca, los pacientes corren el riesgo de experimentar niveles altos y bajos de glucosa en sangre, lo que puede provocar complicaciones graves. El manejo adecuado de estas fluctuaciones exige una dosificación precisa de insulina, pero los protocolos existentes suelen ser insuficientes debido a la imprevisibilidad de los entornos de las unidades de cuidados intensivos (UCI) y a las diferencias específicas de cada paciente. Para afrontar este reto, los investigadores han desarrollado una herramienta de aprendizaje automático diseñada para ayudar a los médicos a gestionar los niveles de glucosa en sangre en pacientes en recuperación tras una cirugía cardíaca, una tarea esencial pero frecuentemente compleja en la UCI.

Investigadores de la Escuela de Medicina Icahn del Monte Sinaí (Nueva York, EUA) han creado un modelo de aprendizaje por refuerzo llamado GLUCOSE, diseñado para sugerir dosis de insulina personalizadas según las necesidades de cada paciente. En pruebas con datos de casos reales de UCI, GLUCOSE igualó o superó a los médicos experimentados en el mantenimiento de los niveles de glucosa en sangre dentro de un rango seguro, a pesar de tener acceso únicamente a datos de pacientes en tiempo real, mientras que los médicos utilizaron historiales clínicos completos.

El equipo de investigación entrenó a GLUCOSE mediante aprendizaje por refuerzo, lo que permitió al sistema optimizar sus decisiones mediante ensayo y error. El equipo también aplicó técnicas avanzadas, como el aprendizaje por refuerzo conservador y distributivo, para garantizar que el modelo emitiera recomendaciones fiables y cautelosas. El modelo se probó exhaustivamente y se comparó con las prácticas clínicas actuales.

Los resultados, publicados en NPJ Digital Medicine, muestran un potencial prometedor, pero los investigadores enfatizan que GLUCOSE no está destinado a reemplazar a los médicos. Más bien, funciona como una herramienta de apoyo a la toma de decisiones clínicas, ofreciendo sugerencias que los médicos pueden evaluar e incorporar en su juicio clínico y en el contexto más amplio del paciente. Eventualmente, el modelo podría integrarse en los sistemas de registros médicos electrónicos, proporcionando una guía de dosificación de insulina en tiempo real en la UCI, lo que podría ayudar a reducir las complicaciones y mejorar los resultados del paciente.

Los esfuerzos futuros se centrarán en adaptar la herramienta para su uso en otros entornos hospitalarios, realizar ensayos clínicos y encontrar formas de incorporarla en la atención de rutina. Una limitación actual es que el modelo aún no considera los datos nutricionales, lo que podría afectar el control de la glucosa a largo plazo. A pesar de esto, la capacidad de GLUCOSE para hacer recomendaciones precisas utilizando datos limitados en tiempo real resalta su potencial para mejorar la seguridad y la eficiencia en la atención posoperatoria.

“Nuestro estudio demuestra que la inteligencia artificial puede desarrollarse de forma reflexiva y responsable para apoyar, en lugar de reemplazar, el criterio clínico de los profesionales sanitarios”, afirmó el coautor principal Ankit Sakhuja, MBBS, MS, Profesor Asociado de Medicina (Medicina Basada en Datos y Digital) y miembro del Instituto de Medicina de Cuidados Críticos de la Escuela de Medicina Icahn del Monte Sinaí.

“En entornos complejos y de alta presión como la UCI, herramientas como GLUCOSE pueden proporcionar orientación basada en datos en tiempo real y adaptada a cada paciente. Este tipo de apoyo a la toma de decisiones puede mejorar la seguridad, reducir el riesgo de complicaciones y, en última instancia, permitir que los profesionales sanitarios centren su atención en los aspectos críticos de la atención al paciente”,