Un estudio de la UCSF muestra que combinar un biomarcador pulmonar con un modelo de lenguaje puede aumentar la precisión diagnóstica en pacientes críticos.
Investigadores de la Universidad de California en San Francisco (UCSF) publicaron en Nature Communications un estudio que propone un nuevo enfoque para mejorar el diagnóstico de las infecciones del tracto respiratorio inferior (LRTI, en inglés) en pacientes críticamente enfermos. Estas infecciones son una de las principales causas de mortalidad a nivel mundial y representan un desafío diagnóstico, especialmente en unidades de cuidados intensivos, donde los síntomas pueden confundirse con otras causas no infecciosas de insuficiencia respiratoria.
El equipo desarrolló un método que integra la medición de un biomarcador del huésped, el gen FABP4, con el análisis automatizado de textos clínicos mediante un modelo de lenguaje de gran escala, específicamente GPT-4. FABP4 es un gen expresado en macrófagos pulmonares y su nivel de expresión se ha asociado previamente con la presencia de infección respiratoria. Por su parte, el modelo de lenguaje analiza información disponible en el expediente clínico electrónico, como notas médicas y reportes de radiografía de tórax.
“Hemos ideado un método que ofrece resultados mucho más rápidos que un cultivo y que podría ser fácil de implementar en la clínica”, afirmó el Dr. Chaz Langelier, profesor asociado de Medicina y autor principal del estudio. “Estamos seguros de que podría acelerar el diagnóstico y reducir el uso innecesario de antibióticos”, agregó.
El estudio evaluó este enfoque combinado en dos cohortes independientes de adultos con insuficiencia respiratoria aguda que requirieron ventilación mecánica. En la cohorte principal, el clasificador que integró FABP4 y el análisis con GPT-4 alcanzó una precisión del 84 % y un área bajo la curva (AUC) de 0.93, superando tanto al biomarcador por sí solo como al modelo de lenguaje utilizado de manera independiente. En una cohorte de validación externa, la precisión aumentó al 96%, con un AUC de 0.98, lo que refuerza la consistencia del método en contextos clínicos distintos.
En comparación, el diagnóstico inicial realizado por los equipos médicos al ingreso a terapia intensiva mostró una menor exactitud, en parte debido a la tendencia a iniciar antibióticos de forma empírica ante la incertidumbre diagnóstica. Los autores señalan que esta práctica puede derivar en el uso innecesario de antimicrobianos, con riesgos como efectos adversos, infecciones secundarias y el aumento de la resistencia bacteriana.
Los investigadores subrayan que su propuesta no busca reemplazar el juicio clínico, sino ofrecer una herramienta de apoyo que combine información biológica objetiva con el análisis sistemático de datos clínicos. “Usarlo es increíblemente sencillo, no hace falta ser bioinformático”, explica el Dr. Hoang Van Phan, especialista en bioinformática y primer autor del artículo.
Si bien los resultados son prometedores, los autores advierten que se trata de una prueba de concepto y que serán necesarios estudios más amplios y ensayos clínicos para evaluar su impacto real en la toma de decisiones médicas y en el uso racional de antibióticos. Actualmente, el equipo está validando el modelo como prueba clínica y posteriormente se enfocarán en la sepsis, la causa más común de muerte hospitalaria y una de las más difíciles de diagnosticar.
