Inteligencia Artificial en la lesión renal aguda: ¿Predicción o distracción?

La lesión renal aguda intrahospitalario continúa siendo un fantasma epidemiológico de proporciones alarmantes, asociado a una elevada morbimortalidad en unidades de cuidados críticos. El problema fundamental radica en nuestra dependencia histórica de biomarcadores tardíos: cuando la creatinina sérica se eleva o el ritmo diurético cae de forma franca, el daño estructural en las células epiteliales tubulares ya se ha consumado. En este escenario sombrío, la Inteligencia Artificial (IA) y los modelos de aprendizaje profundo (deep learning) han irrumpido con la promesa de predecir el LRA con horas de anticipación mediante el análisis continuo de millones de datos en tiempo real dentro de las historias clínicas electrónicas.

A pesar del indudable mérito tecnológico de algoritmos capaces de anticipar el LRA hasta con 48 horas de antelación, surge una crítica editorial profunda en torno a su utilidad pragmática: la brecha de la implementación clínica. Predecir un evento con precisión matemática no aporta valor si el sistema de salud no ofrece un protocolo de respuesta inmediata y estandarizado. Actualmente, nos enfrentamos al fenómeno de la “fatiga de alertas” en el personal de enfermería y médico, donde avisos constantes en las pantallas terminan por ser ignorados.

Para que la IA pase de ser una distracción tecnológica a una herramienta de salvamento, la investigación editorial debe virar hacia ensayos clínicos aleatorizados basados en intervenciones concretas (como la optimización de fluidos guiada por metas o el retiro inmediato de fármacos nefrotóxicos) desencadenadas específicamente por la alerta digital. El éxito no se medirá por el área bajo la curva del algoritmo, sino por la reducción real del número de pacientes que ingresan a terapia de reemplazo renal continuo.

Referencia 

Bihorac, A., Ozrazgat-Baslanti, T., Ebadi, A., Mota, J. S., Madkour, M., Pardalos, P. M., Lipori, G., Hogan, W. R., & Rashidi, P. (2019). AI-driven continuous risk prediction for acute kidney injury in critically ill patients. JAMA Network Open, 2(8), Artículo e198623. https://doi.org/10.1001/jamanetworkopen.2019.8623