Modelo elaborado por el Instituto de Investigación en Ciencias en Salud de la Universidad Andrés Bello y desarrollado con pacientes en el Hospital Félix Bulnes, permite identificar en pocas horas el riesgo de una de las complicaciones más frecuentes y costosas en hospitales.
Un equipo de investigadores del Instituto de Investigación en Ciencias en Salud (IICS) de la Universidad Andrés Bello desarrolló un innovador modelo de inteligencia artificial capaz de predecir, en las primeras horas de hospitalización, el riesgo de desarrollar lesiones por presión, una de las complicaciones más relevantes en el ámbito clínico.
Las lesiones por presión representan un importante desafío para la salud pública a nivel mundial, debido a su impacto en la morbilidad, la mortalidad y los costos asociados a la atención sanitaria. En este contexto, la nueva herramienta busca mejorar la toma de decisiones clínicas mediante el uso de datos disponibles desde el ingreso hospitalario.
El modelo, recientemente publicado en la revista científica _Scientific Reports_, utiliza información básica registrada por el personal de enfermería durante las primeras ocho horas de hospitalización, lo que permite generar alertas tempranas de manera eficiente.
El Dr. Fredy Barriga, investigador del IICS y coordinador del estudio, explicó que “las lesiones por presión afectan a más del 10% de los pacientes hospitalizados y están asociadas a mayor morbilidad, estadías prolongadas y altos costos en salud. Frente a este desafío, desarrollamos un modelo predictivo que permite identificar tempranamente a pacientes en riesgo, facilitando la implementación de medidas preventivas oportunas”.
La herramienta se basa en variables simples como el estado funcional del paciente, el uso de dispositivos médicos o la presencia de incontinencia. Fue entrenada y validada con datos de pacientes del Hospital Félix Bulnes en Santiago, logrando resultados altamente precisos.
“Alcanzamos una precisión superior al 93% en la identificación de pacientes de alto riesgo y una exactitud global cercana al 83%. Esto demuestra el potencial de la inteligencia artificial para apoyar el trabajo clínico y mejorar la calidad de la atención”, destacó el investigador.
Uno de los principales aportes del modelo es su posibilidad de integración en sistemas de registros clínicos electrónicos, lo que permitiría generar alertas automáticas para que el personal de salud priorice intervenciones preventivas en pacientes críticos.
“Además de mejorar la calidad de la atención, esta innovación podría contribuir a reducir los costos asociados a hospitalizaciones prolongadas y complicaciones evitables, fortaleciendo la eficiencia del sistema de salud”, concluye Barriga.
El desarrollo de esta herramienta se enmarca en un plan piloto impulsado por la Vicerrectoría de Investigación de la Universidad Andrés Bello, que busca fomentar el trabajo interdisciplinario. En este caso, el proyecto articula la colaboración entre el Instituto de Investigación del Cuidado en Salud y el Centro de Transporte y Logística, integrando conocimientos de ingeniería y enfermería para abordar problemáticas reales del entorno clínico.
