Un sistema interpretable ayuda a estimar la probabilidad de muerte o retransplante hasta 10 años después de la cirugía.
A study published in JAMA Network Open presentó un nuevo modelo predictivo que combina técnicas de machine learning or machine learning con métodos estadísticos tradicionales para estimar la supervivencia de pacientes que reciben un trasplante de pulmón. La herramienta de artificial intelligence (AI) busca ofrecer a los equipos médicos un recurso simple, transparente y útil para anticipar riesgos a 1, 5 y 10 años después del procedimiento, un aspecto crucial dado que los desenlaces a largo plazo suelen ser muy variables y difíciles de pronosticar.
La investigación analizó información de 51,933 adultos trasplantados entre 1987 y 2025 en Estados Unidos, utilizando la base de datos nacional del sistema de procuración y trasplantes. Los autores emplearon un enfoque híbrido que primero identifica, mediante algoritmos de machine learning, los factores más relevantes asociados con la evolución del paciente; después, integra esos hallazgos en un modelo estadístico interpretable que asigna puntajes según el nivel de riesgo.
Este proceso permitió seleccionar solo nueve predictores clave, entre ellos la edad del receptor, la duración de la hospitalización tras la cirugía, si el trasplante fue unilateral o doble, la necesidad de ventilación prolongada, antecedentes de cirugía cardiaca, niveles de creatinina y bilirrubina, el estado funcional del paciente y la edad del donante.
Los resultados muestran que el modelo ofrece un desempeño moderado para discriminar entre pacientes con mayor o menor riesgo, pero con una calibración sólida que refleja una buena correspondencia entre lo predicho y lo observado. Además, mantuvo resultados consistentes en distintas regiones del país y en grupos de edad variados, lo que refuerza su utilidad potencial en escenarios clínicos heterogéneos. Según los autores, el equilibrio entre simplicidad, interpretabilidad y precisión hace que esta herramienta sea más accesible que otros sistemas basados exclusivamente en inteligencia artificial, los cuales, aunque más complejos, suelen ser menos transparentes para médicos y pacientes.
Finalmente, el equipo desarrolló un calculador en línea que permite estimar de manera individualizada la probabilidad de muerte o necesidad de un nuevo trasplante en distintos horizontes temporales. Con ello, el estudio propone un recurso que podría integrarse en la práctica clínica para mejorar la toma de decisiones, planificar la atención de seguimiento y apoyar conversaciones más informadas con los pacientes sobre su pronóstico después de un trasplante pulmonar.
