Investigadores desarrollan un modelo de IA que supera las pruebas biológicas tradicionales en la detección temprana de la tuberculosis activa en pacientes con VIH, utilizando datos clínicos rutinarios y biomarcadores metabólicos inesperados.
Un modelo de inteligencia artificial (IA) desarrollado en Suiza ha demostrado ser más eficaz que los métodos convencionales para predecir el desarrollo de tuberculosis (TB) activa en personas que viven con el virus de inmunodeficiencia humana (VIH).
El modelo, basado en aprendizaje automático, utilizó datos clínicos rutinarios para identificar con mayor precisión a pacientes con alto riesgo, superando en rendimiento a las pruebas biológicas como los ensayos de liberación de interferón gamma (IGRA).
El Dr. Johannes Nemeth, médico del Departamento de Enfermedades Infecciosas de la Universidad de Zúrich, explicó que las pruebas convencionales para detectar TB latente fallan con frecuencia en pacientes con VIH debido a que se basan en la respuesta inmune, un sistema deteriorado precisamente por la infección. “Fue peor que lanzar una moneda”, declaró Nemeth sobre la efectividad de las pruebas actuales.
Para mejorar la predicción, el equipo recurrió al Estudio de Cohorte del VIH en Suiza, que agrupa al 70% de los pacientes con VIH del país. Con más de dos décadas de datos clínicos disponibles, aplicaron técnicas de aprendizaje automático mediante un algoritmo de random forest (bosque aleatorio), el cual evaluó más de 48 variables por paciente.
La primera versión del modelo alcanzó una sensibilidad del 70.1% y una especificidad del 81%, mientras que una versión optimizada con solo 20 variables logró 57.1% de sensibilidad y 77.8% de especificidad.
El modelo identificó predictores tanto esperados, como marcadores inmunológicos y hematológicos, como sorprendentes, incluyendo parámetros metabólicos como colesterol, glucosa, creatinina, índice de masa corporal y presión arterial media. Estas variables podrían reflejar el impacto de la desnutrición o masa muscular comprometida, factores vinculados a la progresión de la TB.
Al validar el modelo en Austria, los resultados iniciales fueron pobres debido a diferencias en patrones migratorios entre ambos países. Mientras que la mayoría de los pacientes con TB en Suiza provenían del África subsahariana, en Austria predominaban personas de las antiguas repúblicas soviéticas. Al ajustar las variables sociodemográficas, el modelo mejoró significativamente, demostrando la importancia de adaptar la IA a contextos locales.
Emily Wong, médica y profesora asociada en la Universidad de Alabama, valoró el hallazgo como un avance prometedor. “Este tipo de herramienta puede transformar la manera en que tomamos decisiones clínicas sobre la prevención de la tuberculosis”, comentó. No obstante, advirtió que su uso debe considerar los riesgos de la terapia preventiva, como la toxicidad hepática.
Actualmente, el equipo de investigación trabaja en un estudio de implementación para evaluar si el modelo puede influir en las decisiones clínicas. A algunos médicos se les notificará del riesgo de sus pacientes a través del modelo, con el objetivo de determinar si esto mejora la tasa de diagnóstico y tratamiento preventivo.
Fuente consultada: AQUÍ
