Herramienta de IA detecta infecciones del sitio quirúrgico a partir de fotos enviadas por pacientes
Actualizado el 24 Jul 2025
Las infecciones del sitio quirúrgico (ISQ) siguen siendo un desafío importante en la atención posoperatoria, especialmente a medida que se vuelven más comunes las cirugías ambulatorias y los seguimientos virtuales. El método actual para monitorear las incisiones quirúrgicas suele depender de que los profesionales de la salud revisen fotos enviadas por los pacientes, un proceso que consume tiempo y puede ocasionar demoras en el diagnóstico y el tratamiento.
El retraso en la identificación de infecciones puede contribuir al aumento de la morbilidad, la ansiedad del paciente y costos de atención médica innecesarios. Para abordar estos desafíos, los investigadores han desarrollado un sistema de inteligencia artificial (IA) que analiza las imágenes de heridas enviadas por los pacientes para detectar signos de infección y prioriza los casos que requieren atención clínica.
El sistema de IA desarrollado por investigadores de la Clínica Mayo (Rochester, MN, EUA) está diseñado para mejorar la monitorización posoperatoria mediante la detección de infecciones del sitio quirúrgico (ISQ) a partir de fotos subidas por los propios pacientes. El sistema, una plataforma basada en IA, utiliza un modelo de dos etapas: primero identifica si la imagen contiene una incisión quirúrgica y luego evalúa dicha incisión en busca de signos de infección.
Desarrollado con más de 20.000 imágenes de más de 6.000 pacientes en nueve hospitales de la Clínica Mayo, el modelo emplea una arquitectura Vision Transformer para procesar datos visuales. La investigación fue impulsada por la creciente necesidad de atención oportuna y eficiente para heridas ambulatorias, y la herramienta tiene como objetivo optimizar el trabajo clínico y mejorar los resultados en los pacientes.
En un estudio publicado en Annals of Surgery, el modelo de IA demostró una precisión del 94 % en la identificación de incisiones quirúrgicas y alcanzó un área bajo la curva (AUC) del 81 % para la detección de infecciones. Estos resultados sugieren que la tecnología podría funcionar como una herramienta de cribado de primera línea, alertando a los médicos sobre imágenes preocupantes y permitiendo intervenciones más tempranas. Cabe destacar que el modelo tuvo un rendimiento consistente en diversos grupos de pacientes, lo que abordó las preocupaciones sobre el sesgo algorítmico.
Los investigadores prevén que esta herramienta facilite un diagnóstico más rápido, reduzca las complicaciones de los pacientes y priorice la atención en entornos rurales o con recursos limitados. Actualmente se están realizando estudios prospectivos para evaluar su integración en la atención quirúrgica rutinaria y determinar su impacto en los resultados a largo plazo de los pacientes.
"Este trabajo sienta las bases para una atención posoperatoria asistida por IA, lo cual puede transformar la forma en que se monitorea a los pacientes posoperatorios", afirmó Hala Muaddi, M.D., Ph.D., becaria hepato-pancreato-biliar de Mayo Clinic y primera autora del estudio. "Para los pacientes, esto podría significar una mayor tranquilidad o la identificación temprana de un problema. Para los médicos clínicos, ofrece una manera de priorizar la atención a los casos que más la necesitan, especialmente en entornos rurales o con recursos limitados"
Enlaces relacionados:
Clínica Mayo