La historia importa más que la lista: qué gana una IA que lee la trayectoria del paciente

La comorbilidad comprimida pierde información

Dos pacientes pueden tener la misma edad y una carga de enfermedad parecida, pero haber llegado hasta allí por trayectorias muy distintas. Los índices clásicos de comorbilidad resumen diagnósticos en una puntuación. Esa síntesis es útil, aunque deja fuera el orden de aparición, la repetición de ingresos, la diversidad de sistemas afectados y la velocidad con la que se acumulan nuevas enfermedades.

Investigadores de Austria entrenaron un transformer con historiales de hospitalización para comprobar si esa secuencia añadía señal pronóstica. El modelo aprendió una representación de cada trayectoria a partir de los diagnósticos y del tiempo entre ingresos.

Muchos datos y una mejora modesta

El entrenamiento utilizó 13 años de datos hospitalarios de 7,4 millones de personas. La evaluación posterior incluyó 1,7 millones. Frente a un modelo basado en edad, sexo e índice de Elixhauser, la representación longitudinal obtuvo mayor AUC en 93 de 131 bloques de enfermedad, pero la ganancia mediana fue de solo 0,006.

Las mejoras se concentraron en trastornos mentales, musculoesqueléticos, neurológicos y metabólicos, y fueron menores o inexistentes en otros grupos. Incorporar una arquitectura compleja no produce automáticamente un salto clínico relevante.

Dónde aparece la señal útil

El análisis residual comparó a personas con edad, sexo y riesgo convencional similares. Quienes recibieron un riesgo longitudinal alto tuvieron entre 132 y 183 días menos sin un segundo nuevo bloque diagnóstico o muerte hospitalaria durante cinco años. Sus tasas observadas se parecían a las de personas de bajo riesgo más de una década mayores.

Esos pacientes presentaban historiales más densos, diversos y recientes. La ventaja del modelo parece residir menos en predecir mucho mejor cada enfermedad y más en distinguir trayectorias que una puntuación estática comprime.

Antes de pensar en la clínica

El estudio solo observa diagnósticos hospitalarios. No incorpora atención primaria, medicación, laboratorio, estilo de vida ni determinantes sociales. Los resultados dependen de la utilización del sistema y de las prácticas de codificación, y solo registran las muertes ocurridas en el hospital. La cohorte procede de un único sistema nacional y necesita validación externa; tampoco se sabe si mostrar este riesgo cambia decisiones o evita eventos.

Fuente y alcance

Esta pieza se elabora a partir de las fuentes citadas en Fuentes y referencias. No sustituye la evaluación clínica, regulatoria ni de implementación local.