{"id":65033,"date":"2025-11-21T10:05:27","date_gmt":"2025-11-21T16:05:27","guid":{"rendered":"https:\/\/saluddigital.com\/?p=65033"},"modified":"2025-11-21T10:08:06","modified_gmt":"2025-11-21T16:08:06","slug":"modelo-de-ia-ayudaria-a-reducir-costos-y-mejorar-los-trasplantes-de-higado","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-ia-ayudaria-a-reducir-costos-y-mejorar-los-trasplantes-de-higado\/","title":{"rendered":"Modelo de IA ayudar\u00eda a reducir costos y mejorar los trasplantes de h\u00edgado"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un modelo de machine learning desarrollado en Stanford Medicine fue capaz de reducir el n\u00famero de trasplantes de h\u00edgado fallidos.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Un equipo de especialistas en trasplantes y ciencia de datos de Stanford desarroll\u00f3 un modelo de inteligencia artificial (IA) capaz de predecir con mayor precisi\u00f3n si un potencial donador despu\u00e9s de muerte circulatoria (DCD, en ingl\u00e9s) fallecer\u00e1 dentro del tiempo necesario para que sus \u00f3rganos puedan ser utilizados. Este avance, publicado en The Lancet Digital Health<\/em><\/a>, podr\u00eda disminuir de forma importante las llamadas \u201cprocuraciones f\u00fatiles\u201d, procedimientos que se inician pero deben cancelarse porque el donador no fallece a tiempo para preservar la calidad del \u00f3rgano.\u00a0<\/strong><\/p>

En Estados Unidos, los trasplantes de h\u00edgado dependen cada vez m\u00e1s de donadores DCD. Sin embargo, cerca de la mitad de estos intentos no se realizan, principalmente porque el donador no progresa a la muerte dentro del l\u00edmite de 30 a 60 minutos despu\u00e9s de retirar el soporte vital. Cuando eso ocurre, los equipos m\u00e9dicos ya han movilizado personal, quir\u00f3fanos, transporte e incluso costosos equipos de preservaci\u00f3n sin lograr recuperar el \u00f3rgano.<\/p>

\u201cAl identificar cu\u00e1ndo es probable que un \u00f3rgano sea \u00fatil antes de que se hayan iniciado los preparativos para la cirug\u00eda, este modelo podr\u00eda hacer que el proceso de trasplante fuera m\u00e1s eficiente\u201d, afirm\u00f3 el Dr. Kazunari Sasaki, profesor cl\u00ednico de trasplantes abdominales y autor principal del estudio. \u201cTambi\u00e9n tiene el potencial de permitir que m\u00e1s candidatos que necesitan un trasplante de \u00f3rgano puedan recibirlo\u201d, agreg\u00f3.<\/p>

Adem\u00e1s del impacto financiero, cada procedimiento fallido implica tiempo perdido para equipos m\u00e9dicos y un retraso en la atenci\u00f3n de pacientes que esperan un trasplante. En este sentido, el estudio analiz\u00f3 datos de 2,221 donadores DCD<\/strong> en seis centros de trasplantes en Estados Unidos. Con esta informaci\u00f3n se entren\u00f3 un modelo basado en LightGBM<\/strong>, un algoritmo de machine learning<\/em> o aprendizaje autom\u00e1tico, que utiliza m\u00faltiples variables cl\u00ednicas, como: reflejos neurol\u00f3gicos (pupilar, corneal, tos, motor, etc.); par\u00e1metros respiratorios y circulatorios; resultados de laboratorio; historial de paro card\u00edaco; y condici\u00f3n al momento de retirar la ventilaci\u00f3n.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La IA calcula la probabilidad de que el donador fallezca en 30, 45 o 60 minutos despu\u00e9s de la extubaci\u00f3n, o a partir del inicio de la \u201cfase ag\u00f3nica\u201d, que se define por niveles cr\u00edticos de oxigenaci\u00f3n o presi\u00f3n arterial.<\/p>

El modelo mostr\u00f3 un desempe\u00f1o superior al de herramientas previas y al juicio cl\u00ednico humano, con un a\u00e9rea bajo la curva (AUC) de hasta 0.83<\/strong>, un indicador alto en predicci\u00f3n cl\u00ednica, seg\u00fan el estudio. Asimismo, los resultados mostraron una reducci\u00f3n del 60% en procuraciones f\u00fatiles<\/strong>, comparado con las decisiones tomadas solo por cirujanos, as\u00ed como una mayor precisi\u00f3n en casos dif\u00edciles<\/strong>, especialmente cuando los cirujanos no estaban de acuerdo entre s\u00ed.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"modelo\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El modelo tambi\u00e9n tiene la capacidad de funcionar incluso con datos incompletos, algo com\u00fan en entornos hospitalarios. Adem\u00e1s, el estudio incluy\u00f3 validaciones retrospectivas y prospectivas, lo que demuestra la consistencia del modelo en escenarios reales.<\/p>

Entre los posibles beneficios de la aplicaci\u00f3n de la IA, destacan no solo menores gastos y carga de trabajo, sino tambi\u00e9n un mejor uso de los \u00f3rganos disponibles, aumentando las oportunidades de trasplante; de igual forma impulsa la estandarizaci\u00f3n, ya que reduce la dependencia exclusiva del juicio individual del cirujano.<\/p>

Los autores se\u00f1alan que la herramienta puede ajustarse seg\u00fan los criterios de cada centro, y que futuras versiones podr\u00edan integrar datos automatizados, como historiales completos y se\u00f1ales en tiempo real.<\/p>

\u201cAhora estamos trabajando para reducir la tasa de oportunidades perdidas, ya que lo mejor para los pacientes es que aquellos que necesitan un trasplante lo reciban\u201d, explic\u00f3 el Dr. Sasaki. \u201cSeguimos perfeccionando el modelo mediante la competencia entre los algoritmos de aprendizaje autom\u00e1tico disponibles, y recientemente hemos encontrado un algoritmo que alcanza la misma precisi\u00f3n en la predicci\u00f3n del momento de la muerte, pero con una tasa de oportunidades perdidas de alrededor del 10 %\u201d, finaliz\u00f3.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

STANFORD<\/strong><\/p>

https:\/\/med.stanford.edu\/news\/all-news\/2025\/11\/liver-transplant.html<\/a><\/p>

THE LANCET<\/strong><\/p>

https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(25)00100-1\/fulltext<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Modelo de IA desarrollado en Stanford Medicine fue capaz de a reducir costos y mejorar los trasplantes de h\u00edgado fallidos.<\/p>","protected":false},"author":1,"featured_media":65035,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-65033","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65033","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=65033"}],"version-history":[{"count":7,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65033\/revisions"}],"predecessor-version":[{"id":65043,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65033\/revisions\/65043"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/65035"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=65033"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=65033"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=65033"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}