{"id":67026,"date":"2026-01-26T09:19:48","date_gmt":"2026-01-26T15:19:48","guid":{"rendered":"https:\/\/saluddigital.com\/?p=67026"},"modified":"2026-01-26T09:23:49","modified_gmt":"2026-01-26T15:23:49","slug":"ia-permite-evaluar-el-riesgo-de-complicaciones-graves-en-bebes-prematuros-desde-el-nacimiento","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-permite-evaluar-el-riesgo-de-complicaciones-graves-en-bebes-prematuros-desde-el-nacimiento\/","title":{"rendered":"AI allows for the assessment of the risk of serious complications in premature babies from birth."},"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 \u00edndice metab\u00f3lico basado en muestras de sangre seca y aprendizaje profundo o deep learning mejora la estratificaci\u00f3n del riesgo neonatal<\/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 estudio liderado por Stanford Medicine y publicado en Science Translational Medicine<\/em><\/a> presenta una nueva herramienta basada en inteligencia artificial que permite predecir el riesgo de complicaciones graves en beb\u00e9s prematuros a partir de muestras de sangre recolectadas poco despu\u00e9s del nacimiento. El enfoque utiliza perfiles metab\u00f3licos obtenidos de las pruebas de tamizaje neonatal rutinarias y modelos de aprendizaje profundo o deep learning<\/em><\/strong> para ofrecer una evaluaci\u00f3n m\u00e1s precisa del estado de salud de los reci\u00e9n nacidos que los m\u00e9todos cl\u00ednicos tradicionales.<\/p>

La prematuridad neonatal est\u00e1 asociada con una alta morbilidad y mortalidad, en gran parte debido a complicaciones adquiridas como la displasia broncopulmonar, la hemorragia intraventricular, la enterocolitis necrotizante y la retinopat\u00eda del prematuro. Sin embargo, las clasificaciones actuales basadas en la edad gestacional y el peso al nacer no logran explicar por completo por qu\u00e9 beb\u00e9s con caracter\u00edsticas similares pueden tener trayectorias cl\u00ednicas muy distintas. Ante esta limitaci\u00f3n, el equipo de investigaci\u00f3n plante\u00f3 que los perfiles metab\u00f3licos capturan informaci\u00f3n biol\u00f3gica adicional relevante para estratificar el riesgo desde las primeras horas de vida.<\/p>

El estudio analiz\u00f3 13,536 muestras de sangre seca de reci\u00e9n nacidos prematuros en California, recolectadas dentro de las primeras 48 horas tras el nacimiento y vinculadas con datos cl\u00ednicos de seguimiento. A partir de esta informaci\u00f3n, los investigadores desarrollaron un \u00edndice metab\u00f3lico de salud neonatal mediante un modelo de aprendizaje profundo, capaz de identificar el riesgo de desarrollar una o m\u00e1s de las principales complicaciones de la prematuridad. Este \u00edndice demostr\u00f3 un desempe\u00f1o superior al de otros algoritmos de aprendizaje autom\u00e1tico y a los modelos basados \u00fanicamente en factores cl\u00ednicos.<\/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\t\t\t\t\t\t\"\"\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
\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

\u201cEl nacimiento prematuro no es un solo problema, sino varios problemas distintos\u201d, explic\u00f3 Nima Aghaeepour, coautor senior del estudio. \u201cNo podemos simplemente meter a todos los beb\u00e9s nacidos antes de tiempo en una sola categor\u00eda de \u2018prematuros\u2019\u201d. Seg\u00fan el investigador, el uso de mediciones biol\u00f3gicas obtenidas al nacer permiti\u00f3 \u201ccrear una nueva definici\u00f3n de la prematuridad basada en los resultados reales de estos beb\u00e9s\u201d.<\/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

The modelo fue validado de manera externa en una cohorte independiente<\/strong> de 3,299 reci\u00e9n nacidos muy prematuros en Ontario, Canad\u00e1, donde replic\u00f3 los principales subgrupos metab\u00f3licos de riesgo identificados en la cohorte original. Los resultados respaldan la posibilidad de que este \u00edndice metab\u00f3lico funcione como una m\u00e9trica biol\u00f3gica generalizable de la prematuridad, dado que el tamizaje neonatal mediante muestras de sangre seca es una pr\u00e1ctica extendida en muchos pa\u00edses.<\/p>

The an\u00e1lisis identific\u00f3 patrones espec\u00edficos en mol\u00e9culas relacionadas con el metabolismo, como amino\u00e1cidos y productos del metabolismo de grasas<\/strong>, que se asociaron con la aparici\u00f3n posterior de complicaciones. Con base en estas se\u00f1ales, los investigadores definieron un conjunto reducido de mediciones metab\u00f3licas que conforman el n\u00facleo del \u00edndice, el cual se complementa con variables cl\u00ednicas b\u00e1sicas. En conjunto, el modelo logr\u00f3 predecir el desarrollo de cada una de las cuatro complicaciones principales con una precisi\u00f3n superior al 85%.<\/p>

\u201cEl objetivo es tener una nueva taxonom\u00eda de la prematuridad, que permita ver hacia d\u00f3nde se dirige un ni\u00f1o y entender qu\u00e9 est\u00e1 causando las diferencias en sus trayectorias de salud\u201d, se\u00f1al\u00f3 David Stevenson, coautor del estudio. \u201cEso nos permitir\u00e1 intervenir, prevenir y tratar las complicaciones\u201d.<\/p>

Adem\u00e1s de su potencial predictivo, el enfoque abre nuevas v\u00edas para comprender la biolog\u00eda subyacente de la prematuridad. \u201cAntes no sab\u00edamos qu\u00e9 hab\u00eda \u2018bajo el cofre\u2019, por as\u00ed decirlo\u201d, afirm\u00f3 Stevenson. \u201cAhora estamos observando directamente la maquinaria biol\u00f3gica y c\u00f3mo est\u00e1 funcionando\u201d.<\/p>

El equipo de investigaci\u00f3n planea ampliar el modelo incorporando informaci\u00f3n adicional, como datos del embarazo materno, registros cl\u00ednicos electr\u00f3nicos y otros marcadores biol\u00f3gicos. A largo plazo, los autores se\u00f1alan que esta herramienta podr\u00eda ayudar a orientar decisiones cl\u00ednicas tempranas, como el nivel de atenci\u00f3n neonatal requerido o la comunicaci\u00f3n del pron\u00f3stico a las familias. \u201cLa oportunidad de crear valor para la sociedad es verdaderamente extraordinaria\u201d, concluy\u00f3 Aghaeepour. \u201cCada beb\u00e9 prematuro que salvamos representa toda una vida de a\u00f1os saludables\u201d.<\/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

SCIENCE<\/strong><\/p>

https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.adv4942<\/a><\/p>

STANFORD<\/strong><\/p>

https:\/\/med.stanford.edu\/news\/all-news\/2026\/01\/ai-prematurity-complications.html<\/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":"

IA y deep learning permite evaluar el riesgo de complicaciones graves en beb\u00e9s prematuros desde el nacimiento, seg\u00fan nuevo estudio.<\/p>","protected":false},"author":1,"featured_media":67027,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-67026","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\/67026","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=67026"}],"version-history":[{"count":4,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/67026\/revisions"}],"predecessor-version":[{"id":67032,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/67026\/revisions\/67032"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/67027"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=67026"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=67026"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=67026"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}