«`html

¿Mejora la inteligencia artificial la predicción de las complicaciones de la pancreatitis aguda?

La pancreatitis aguda es una inflamación repentina del páncreas que puede evolucionar rápidamente hacia formas graves. Cada año, afecta entre 30 y 40 personas por cada 100.000 habitantes en el mundo. Aunque la mayoría de los casos son leves y se resuelven espontáneamente, casi el 30 % de los pacientes desarrollan complicaciones graves, como un fallo persistente de órganos o necrosis infectada del páncreas. Estas situaciones aumentan considerablemente la morbilidad y la mortalidad, subrayando la importancia de un manejo temprano y adecuado.

Actualmente, los métodos tradicionales para evaluar la gravedad de la pancreatitis aguda se basan en puntuaciones clínicas como las de Ranson o Glasgow-Imrie. Sin embargo, estas herramientas presentan limitaciones. Se apoyan en mediciones realizadas durante las primeras 48 horas, lo que retrasa la identificación de pacientes en riesgo. Además, su precisión sigue siendo modesta, con valores de discriminación en torno a 0,61 para la puntuación de Ranson y 0,67 para la de Glasgow-Imrie. Los radiólogos, por su parte, evalúan las imágenes de tomografía computarizada con contraste, pero su juicio visual alcanza en promedio una precisión de 0,63, con una sensibilidad baja del 42,5 %. Esto significa que detectan principalmente los casos graves cuando los signos son evidentes, pero tienen dificultades para identificar a los pacientes cuyo estado empeorará más adelante.

Para superar estas limitaciones, un enfoque innovador combina la inteligencia artificial, el análisis de imágenes médicas y datos clínicos. Este método, llamado radiómica, extrae información cuantitativa de las imágenes para revelar patrones invisibles a simple vista. Permite capturar características como la intensidad, la textura o la disposición espacial de los tejidos. Otra técnica, el aprendizaje profundo, identifica automáticamente esquemas complejos en las imágenes sin requerir una definición previa de los criterios. Ambos enfoques transforman la imagen médica en una herramienta no solo visual, sino también cuantitativa y predictiva.

En este estudio, se analizaron 284 pacientes con pancreatitis aguda. De ellos, 140, casi la mitad, presentaron complicaciones graves en los 30 días siguientes a su ingreso. Los modelos de inteligencia artificial basados únicamente en imágenes obtuvieron mejores resultados que los métodos tradicionales, con una precisión de 0,77 para la radiómica y 0,76 para el aprendizaje profundo. La integración de datos de laboratorio, como el recuento de glóbulos blancos, la proteína C reactiva o la lactato deshidrogenasa, mejoró aún más el rendimiento. El modelo que combinaba radiómica y datos clínicos alcanzó una precisión de 0,80, lo que representa una mejora notable frente a otros enfoques.

Los marcadores biológicos seleccionados reflejan procesos clave de la enfermedad. Por ejemplo, la urea en sangre indica deshidratación y mala perfusión renal, mientras que la proteína C reactiva señala una inflamación intensa. Una albúmina baja está asociada con un mayor riesgo de fallo orgánico. Estos marcadores complementan la información obtenida de las imágenes, ofreciendo una visión más completa del estado del paciente.

Los radiólogos, a pesar de su experiencia, muestran desacuerdos moderados entre ellos al evaluar las imágenes. Su sensibilidad limitada revela que algunos pacientes que desarrollan complicaciones graves presentan anomalías sutiles en las imágenes, difíciles de detectar visualmente. La inteligencia artificial, en cambio, identifica estos signos precoces gracias al análisis de miles de características cuantitativas.

Este enfoque multimodal, que combina imágenes y datos clínicos, permite una predicción más fiable de las complicaciones. Podría ayudar a los médicos a identificar antes a los pacientes de alto riesgo, adaptar la vigilancia e iniciar rápidamente tratamientos adecuados. Sin embargo, estos resultados siguen siendo preliminares y requieren validación en estudios más amplios antes de su uso generalizado en la práctica clínica.

«`

Sources

À propos de cette étude

DOI : https://doi.org/10.1007/s00261-026-05588-w

Titre : Multimodal AI for early prediction of adverse clinical outcomes in acute pancreatitis

Revue : Abdominal Radiology

Éditeur : Springer Science and Business Media LLC

Auteurs : Ahmet Yasin Karkas; Yavuz B. Taktak; Burak Gultekin; Ziliang Hong; Halil Ertugrul Aktas; Deniz Seyithanoglu; Timurhan Cebeci; Alper Akin; Ece Elustu; Kerem Arisin; Ali Canturk; Mehmet Ilhan; Naci Senkal; Michael B. Wallace; Abraham F. Bezuidenhout; Frank H. Miller; Alpay Medetalibeyoglu; Mehmet Semih Cakir; Gorkem Durak; Ulas Bagci; Sukru Mehmet Erturk