Dot.lib

Las heridas crónicas representan uno de los mayores desafíos silenciosos del sistema de salud global. Solo en Estados Unidos, su tratamiento cuesta a los proveedores médicos más de 126.000 millones de dólares anuales, y su prevalencia sigue en aumento debido al envejecimiento poblacional y al crecimiento de condiciones como la diabetes y la obesidad.

En este contexto, identificar a tiempo qué heridas no van a cicatrizar correctamente puede marcar la diferencia entre una intervención oportuna y semanas de tratamiento ineficaz. Un estudio reciente publicado en BMJ Digital Health & AI, de nuestro editor BMJ Group, evalúa el rendimiento de un índice de cicatrización impulsado por inteligencia artificial (IA), comparándolo con el método de referencia actual: la reducción porcentual del área de la herida (PAR, por sus siglas en inglés).

El Problema con el Método Actual

El PAR a las cuatro semanas es hoy el indicador más utilizado para predecir si una herida crónica va a cicatrizar. Su lógica es simple: si la herida no reduce al menos entre un 20% y un 30% de su superficie en cuatro semanas, se considera que el proceso de cicatrización está comprometido.

Sin embargo, este enfoque tiene limitaciones importantes:

• Se basa en una sola variable: El PAR depende exclusivamente de los cambios en el tamaño, ignorando otros factores vitales del lecho de la herida.
  
  
• Mediciones manuales imprecisas: Frecuentemente, el área se mide con reglas, un método con baja reproducibilidad y precisión entre distintos evaluadores.
  
  
• No captura la complejidad clínica: El método no refleja las particularidades de distintos tipos de heridas, como las úlceras diabéticas o por presión, que responden de maneras muy diferentes a los tratamientos.

Un Índice de Cicatrización con IA

Los investigadores evaluaron el HealingIndex (HI), un modelo de IA que integra apenas siete variables objetivas e interpretables para generar una predicción cuantitativa del proceso de cicatrización.

Entre las variables consideradas se encuentran el área digital de la herida, la composición del tejido (como granulación o esfacelo), el tipo y cantidad de exudado, la ubicación anatómica y el entorno clínico. El modelo fue validado en una base de datos de 173.816 heridas provenientes de 85.599 pacientes en más de 2.300 centros de cuidados post-agudos y atención domiciliaria, con un seguimiento de hasta 12 semanas.

Una Semana de Ventaja

Los hallazgos fueron contundentes. El índice HI alcanzó una precisión equilibrada del 65% en la semana 3 de seguimiento, mientras que el PAR solo llegó a ese mismo nivel de precisión en la semana 4.

En términos prácticos, esto significa que los clínicos podrían identificar heridas con cicatrización comprometida una semana antes, permitiendo ajustar el tratamiento de forma más oportuna.

Implicaciones Clínicas y Económicas

La detección temprana de heridas no cicatrizantes tiene consecuencias directas en la práctica clínica:

• Intervenciones oportunas: Permite iniciar terapias avanzadas (como terapia de presión negativa o sustitutos de piel bioingenierizados) antes de que la lesión se agrave.
  
  
• Optimización de recursos: Evita visitas de seguimiento innecesarias. Estudios previos sugieren que adelantar este tipo de intervenciones podría reducir hasta en un 40% las visitas de atención de heridas.
  
  
• Prevención de complicaciones: Ayuda a disminuir las tasas de complicaciones, como infecciones y amputaciones, aliviando la enorme carga económica para los sistemas de salud.

Para conocer los detalles metodológicos completos, los modelos estadísticos y las curvas de rendimiento de la IA, acceda al artículo original en BMJ Digital Health & AI.

Sobre BMJ Group

BMJ Group es la entidad responsable de la publicación de un conjunto de excelentes revistas — entre ellas The BMJ, de fama internacional — que abarcan la mayoría de las especialidades médicas. También cuenta con un número creciente de recursos y servicios en línea para profesionales sanitarios. Es uno de los proveedores de contenidos más respetados y reconocidos en el ámbito médico.

Si desea obtener más información sobre la cartera de BMJ Group para su institución, póngase en contacto con info@dotlib.com o complete nuestro formulario. Aproveche la oportunidad para mantenerse al día con nuestro blog, seguir nuestras redes sociales y suscribirse a Dotlib TV, nuestro canal oficial de YouTube.