Científicos de la UCSF combinaron un biomarcador genético con IA generativa para detectar infecciones pulmonares peligrosas en pacientes de UCI con una precisión sorprendente. Este enfoque podría acelerar el diagnóstico y reducir drásticamente el uso innecesario de antibióticos.
Las infecciones pulmonares, como la neumonía, se encuentran entre las principales causas de muerte en el mundo; sin embargo, incluso en las unidades de cuidados intensivos modernas, pueden ser sorprendentemente difíciles de diagnosticar. Esta incertidumbre a menudo lleva a los médicos a recetar antibióticos potentes por si acaso, un instinto que salva vidas y que también fomenta la resistencia a los medicamentos y expone a los pacientes a efectos secundarios innecesarios.
Investigadores de la Universidad de California en San Francisco afirman que un nuevo enfoque que combina un biomarcador basado en la sangre con inteligencia artificial generativa podría cambiar esa ecuación.
En un estudio observacional de adultos con enfermedades críticas, publicado Hoy, en la revista Nature Communications, el modelo del equipo identificó correctamente las infecciones de las vías respiratorias inferiores en el 96 % de los casos. Además, logró distinguir mejor que los médicos de cuidados intensivos las causas infecciosas y no infecciosas de la insuficiencia respiratoria.
Los investigadores estiman que si su modelo hubiera estado disponible cuando los pacientes fueron ingresados, podría haber reducido el uso inadecuado de antibióticos en más del 80%.
“Hemos ideado un método que proporciona resultados mucho más rápido que un cultivo, y podría ser fácil de implementar en la clínica”, declaró en un comunicado de prensa el autor principal, Chaz Langelier, profesor asociado de medicina en la UCSF. “Estamos seguros de que podría conducir a un diagnóstico más rápido y reducir el uso innecesario de antibióticos”.
Los cultivos, que implican el crecimiento bacteriano de muestras de pacientes, son un método estándar para confirmar la infección, pero pueden tardar días y, a veces, no producen ningún crecimiento. Mientras tanto, los médicos deben decidir si iniciar o continuar el tratamiento con antibióticos basándose en información incompleta de las exploraciones, las pruebas de laboratorio y los exámenes en la cama del paciente.
El modelo de la UCSF aborda ese problema desde dos direcciones a la vez.
Una pieza es un biomarcador basado en un gen llamado FABP4, que el grupo de Langelier identificó en 2023 como una señal prometedora de infección de las vías respiratorias inferiores. FABP4 ayuda a modular la inflamación y es menos activo en ciertas células inmunitarias que en las células pulmonares normales. Al medir la intensidad de la expresión del gen, los investigadores pueden inferir si el organismo está generando el tipo de respuesta que suele acompañar a una infección pulmonar grave.
El otro componente es un sistema de IA generativa que lee e interpreta el historial médico electrónico del paciente. Utilizando GPT-4 en una plataforma de protección de la privacidad desarrollada en la UCSF, el equipo diseñó indicaciones que guiaron a la IA a examinar notas clínicas, resultados de laboratorio, informes de imágenes y otros datos para determinar la probabilidad de neumonía u otra infección de las vías respiratorias inferiores.
El estudio se basó en datos de dos grupos de pacientes de UCI. Noventa y ocho pacientes fueron reclutados antes de la pandemia de COVID-19, cuando la mayoría de las infecciones eran bacterianas. Otros 59 fueron reclutados durante la pandemia, cuando las infecciones virales, incluida la COVID-19, eran más comunes.
Cuando los investigadores probaron cada método por separado (ya sea el biomarcador FABP4 o el análisis de IA), cada uno alcanzó una precisión diagnóstica de aproximadamente el 80 %. Los verdaderos avances se obtuvieron al combinar ambos.
Luego compararon el rendimiento del modelo con los diagnósticos de los médicos de la UCI que ingresaron a los pacientes. Estos médicos recetaron antibióticos para la neumonía en la mayoría de los casos, lo que refleja el alto riesgo de pasar por alto una infección peligrosa. El modelo combinado de biomarcadores e IA fue más selectivo, etiquetando a menos pacientes como neumonía, a la vez que detectaba casi todas las infecciones verdaderas.
Para comprender mejor cómo la IA tomaba sus decisiones, el equipo también la enfrentó a tres médicos especialistas en medicina interna y enfermedades infecciosas. Tanto la IA como los expertos humanos acertaron aproximadamente el mismo número de diagnósticos, pero parecían basarse en diferentes tipos de información. La IA tendía a dar más importancia a los informes radiológicos de las radiografías de tórax, mientras que los médicos se centraban más en las notas clínicas narrativas.
"Casi demostraba una diferencia cultural, si es que se puede decir eso de una IA", añadió la coautora principal, Natasha Spottiswoode, profesora adjunta de medicina en la UCSF. "Muestra cómo la IA puede complementar el trabajo de los médicos".
En lugar de mantener la propiedad intelectual de sus indicaciones de IA, los investigadores las publicaron en el artículo y animaron a otros profesionales clínicos a probar enfoques similares en sus propias plataformas de IA que cumplen con la HIPAA. La idea es que la técnica sea accesible, no solo para los científicos de datos, sino también para los médicos de primera línea.
El coautor principal Hoang Van Phan, bioinformático de la UCSF, destacó que la herramienta está diseñada para ser fácil de usar.
“Usarlo es increíblemente sencillo, no hace falta ser bioinformático”, afirmó en el comunicado de prensa.
El equipo trabaja actualmente para validar el modelo como prueba clínica que pueda utilizarse en tiempo real, no solo en análisis retrospectivos. Esto requerirá estudios adicionales para confirmar su fiabilidad en diferentes hospitales y poblaciones de pacientes, así como una cuidadosa atención a la seguridad y la supervisión.
Si se mantiene, el enfoque podría ofrecer una nueva y poderosa forma de personalizar la atención en la UCI: identificar rápidamente qué pacientes realmente necesitan antibióticos agresivos y cuáles no, al tiempo que ofrece a los médicos una imagen más clara de lo que está sucediendo en los pulmones.
A continuación, los investigadores planean centrarse en la sepsis, la respuesta abrumadora y a menudo mortal del organismo a una infección. Al igual que la neumonía, la sepsis es notoriamente difícil de diagnosticar de forma temprana y precisa, y sigue siendo la causa más común de muerte en los hospitales.
En términos más generales, el trabajo destaca cómo la combinación de conocimientos biológicos, como los biomarcadores genéticos, con sistemas avanzados de IA puede ayudar a resolver algunos de los problemas de diagnóstico más complejos de la medicina. Para los pacientes con dificultades para respirar en una cama de UCI, esto podría significar respuestas más rápidas, un tratamiento más específico y una mayor probabilidad de recuperación.