La fragilidad de un paciente, esa acumulación de condiciones crónicas y antecedentes de salud que cada persona lleva consigo, puede ahora medirse automáticamente con datos administrativos del sistema público y convertirse en una señal clave para las urgencias hospitalarias. Así funciona el modelo de inteligencia artificial (IA) desarrollado de forma conjunta por la Universidad Mayor y la Universidad Santo Tomás para anticipar la gravedad de casos de neumonía.
El sistema procesó registros anonimizados de más de 58.000 pacientes del Fondo Nacional de Salud (Fonasa) hospitalizados en 72 recintos públicos del país. A partir de esa base, identificó la fragilidad como el principal factor predictivo para determinar si una persona se agravará o requerirá hospitalización.
Manuel Vásquez Muñoz, director del Centro de Observación y Análisis de Datos en Salud de la Universidad Mayor, señaló que uno de los obstáculos históricos de la IA en medicina ha sido su opacidad. "Siempre se ha visto la inteligencia artificial como una caja negra que nadie sabe lo que pasa dentro y en salud da como miedo", explicó. El sistema propuesto rompe con esa lógica: en lugar de emitir un resultado incomprensible para el médico, asigna peso explícito a cada variable clínica, haciendo el proceso legible para quien debe decidir.
La innovación está en cómo se mide la fragilidad. Según Vásquez, "la fragilidad por definición es la pérdida de reserva fisiológica", una condición que habitualmente evalúan los kinesiólogos mediante examen físico. El modelo cambia el método: clasifica esa vulnerabilidad directamente desde datos administrativos, sin necesidad de evaluación presencial. Cada paciente queda así categorizado con un nivel leve, moderado o severo.
"La fragilidad uno la lleva como mochila porque son muchas variables que van y que cuando uno se va a hospitalizar se puede caracterizar qué tipo de fragilidad tiene", detalló el investigador. Esa "mochila", construida a partir de diagnósticos previos, medicamentos y otros registros ya disponibles en el sistema público, le entrega al médico de urgencia un perfil del paciente desde el primer momento de atención.
La base del estudio incluye registros de 72 hospitales y recintos públicos del país, lo que le da al modelo una representatividad amplia dentro del sistema Fonasa. Si la herramienta logra validarse en la práctica clínica, podría convertirse en un apoyo concreto para el triaje durante los peak respiratorios de invierno, cuando las urgencias hospitalarias operan al límite de su capacidad.
