Herramienta de IA identifica pacientes con trauma que requieren transfusiones de sangre

El sangrado grave es una de las causas más comunes y prevenibles de muerte tras una lesión traumática. Sin embargo, las herramientas actuales a menudo no identifican con precisión qué pacientes requieren transfusiones de sangre urgentes, lo que retrasa el tratamiento vital. Ahora, un nuevo estudio multinacional sugiere que la inteligencia artificial (IA) podría mejorar la toma de decisiones temprana al predecir las necesidades de transfusión antes de que los pacientes lleguen al hospital.

En el estudio, dirigido por un equipo internacional y con contribuciones del University College Dublin (UCD; Dublín, Irlanda), los investigadores desarrollaron modelos de aprendizaje automático utilizando datos de registros de traumatismos para estimar las necesidades de transfusión basándose únicamente en información prehospitalaria. Los modelos analizaron los signos vitales, los patrones de lesiones y el historial de medicación disponible para los equipos médicos de emergencia. Los investigadores entrenaron el sistema con datos de 364.350 pacientes en Estados Unidos y lo validaron en otros 54.210 pacientes en Alemania, Austria, Suiza, Irlanda y Canadá.

Los modelos de IA demostraron una alta precisión predictiva para identificar a los pacientes que requerían cualquier tipo de transfusión, así como a aquellos que necesitaban concentrados de glóbulos rojos. De manera importante, el sistema superó a los métodos tradicionales de clasificación de riesgo aplicados tras la llegada a los servicios de urgencias. Los hallazgos, publicados en Lancet Digital Health, muestran que los modelos identificaron con mayor precisión a los pacientes que posteriormente requirieron transfusión, cirugía de emergencia para el control de hemorragias o que fallecieron por hemorragia, utilizando únicamente los datos disponibles antes del ingreso hospitalario.

Al permitir la identificación temprana de pacientes con riesgo de shock hemorrágico, este enfoque podría permitir a los equipos de traumatología preparar hemoderivados e intervenciones con mayor rapidez, lo que podría mejorar los resultados en momentos críticos. Los investigadores enfatizan que el estudio representa un proceso de desarrollo y validación, más que una implementación clínica inmediata. Se necesitarán ensayos prospectivos para evaluar el rendimiento en tiempo real, la interacción con el médico y el impacto general en la supervivencia del paciente.

“Estos hallazgos demuestran que el apoyo a la toma de decisiones basado en IA podría permitir una identificación más temprana y precisa de los pacientes con mayor riesgo de shock hemorrágico, utilizando datos ya disponibles para los servicios de emergencia”, afirmó la profesora Patricia Maguire, de UCD, coautora del estudio. “Esto tiene un claro potencial para facilitar decisiones transfusionales más oportunas, aunque se requerirá una evaluación prospectiva antes de su implementación clínica”.

Enlaces relacionados:
University College de Dublín