La hipoglucemia hospitalaria continúa siendo uno de los retos clínicos más habituales y peligrosos, tanto para pacientes con diabetes como para aquellos en ayuno o en estado crítico.
Esta caída abrupta de los niveles de azúcar en la sangre puede desencadenar complicaciones inmediatas como convulsiones, arritmias cardíacas e incluso pérdida del conocimiento, lo que agrava la estancia hospitalaria y eleva el riesgo de daños permanentes.
Hasta ahora, la detección oportuna de pacientes con riesgo de hipoglucemia dentro del hospital dependía casi por completo del monitoreo periódico realizado por el personal sanitario. Esta situación obligaba, en la mayoría de los casos, a actuar solo cuando el episodio ya había comenzado, limitando gravemente las opciones de prevención y aumentando el peligro de complicaciones.
Un avance reciente brinda una nueva mirada: la posibilidad de prever estos eventos mediante un sistema automatizado impulsado por inteligencia artificial. La validación y el funcionamiento de esta herramienta fueron divulgados en la revista npj Digital Medicine.
Un grupo multidisciplinario de Cedars-Sinai Health Sciences University desarrolló y probó un instrumento capaz de examinar el historial clínico electrónico, identificar patrones de riesgo y anticipar la hipoglucemia con hasta 24 horas de anticipación.
“La mayor parte de la atención hospitalaria para la hipoglucemia es reactiva, y solo interviene después de que ocurre la disminución del azúcar en sangre”, indicó Roma Gianchandani, médica y vicepresidenta de calidad e innovación en Cedars-Sinai, en el comunicado de prensa oficial.
Los investigadores resaltaron que el sistema fue entrenado con datos de más de 143.000 internaciones y procesa de forma automática factores como la administración de fármacos, resultados de laboratorio, indicaciones dietéticas y porcentajes de comidas ingeridas.
¿Qué es la hipoglucemia y por qué representa un problema hospitalario?
La hipoglucemia ocurre cuando la concentración de glucosa en sangre cae por debajo de los niveles considerados seguros, generalmente menos de 70 mg/dL.
De acuerdo con la Mayo Clinic, la glucosa es la fuente principal de energía del cuerpo, y su descenso provoca síntomas como temblores, palidez, sudoración, palpitaciones y confusión. Si la baja se intensifica, pueden aparecer desorientación, problemas de coordinación y habla, convulsiones y pérdida de la conciencia.
“La hipoglucemia severa puede poner en riesgo la vida del paciente y requiere intervención inmediata”, se menciona en los informes institucionales. Las causas más comunes en el entorno hospitalario incluyen la administración de insulina y otros medicamentos hipoglucemiantes, el ayuno previo a procedimientos, infecciones sistémicas graves y la desnutrición aguda o crónica.
También pueden provocarla enfermedades renales o hepáticas, el consumo excesivo de alcohol y, en menor medida, ciertos tumores pancreáticos que segregan insulina en exceso. “Detectar estos riesgos de forma temprana 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 reales
La nueva herramienta emplea un modelo llamado 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 de forma retrospectiva y, después, se aplicó en tiempo real a una población hospitalaria, confirmando su capacidad para detectar eventos críticos antes de que se manifiesten.
Amanda Momenzadeh, doctora en farmacia e investigadora principal del estudio, detalló: “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 las pruebas operativas, esta tecnología podría evitar hasta tres o cuatro episodios de hipoglucemia por día en hospitales de gran tamaño.
Si se implementara de forma masiva, el impacto en términos de seguridad y resultados clínicos sería sustancial, 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 estudio profundiza en el potencial de la inteligencia artificial para transformar la estrategia de atención hospitalaria, pasando de un enfoque reactivo a uno proactivo y preventivo.
Según se detalla en la investigación, “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.
Fuente: Infobae