GLUCOSE, la nueva herramienta de Mount Sinai, podría superar a médicos en precisión y seguridad al dosificar insulina en cuidados intensivos.
Investigadores de la Escuela de Medicina Icahn de Mount Sinai desarrollaron un modelo de inteligencia artificial (IA) llamado Glucose Level Understanding and Control Optimized for Safety and Efficacy o GLUCOSE, diseñado para mejorar el control de los niveles de glucosa en pacientes que se recuperan de cirugías cardíacas. Esta tecnología, detallada en un artículo publicado en npj Digital Medicine, utiliza un enfoque de aprendizaje por refuerzo para sugerir dosis personalizadas de insulina en tiempo real y ya ha demostrado resultados prometedores.
El control de glucosa tras una cirugía cardíaca es un desafío muy complicado. Tanto la hiperglucemia como la hipoglucemia aumentan el riesgo de complicaciones como infecciones, daño renal y arritmias. Sin embargo, los protocolos actuales de dosificación de insulina suelen ser imprecisos y poco adaptativos, lo que dificulta mantener los niveles de glucosa dentro del rango óptimo recomendado en Estados Unidos por la Sociedad de Cirujanos Torácicos, que es menos de 180 mg/dL.
GLUCOSE fue entrenado con datos de más de 5,228 pacientes internados en unidades de cuidados intensivos (UCI) y validado externamente con una cohorte independiente con 649 pacientes. Durante las pruebas, este modelo logró mantener los niveles de glucosa en rangos seguros con mayor precisión que los propios médicos tratantes, incluso superando en exactitud a especialistas con más de diez años de experiencia, pese a trabajar solo con datos en tiempo real, mientras los médicos disponían de todo el historial clínico del paciente.
“Nuestro estudio demuestra que la IA puede desarrollarse de forma reflexiva y responsable para apoyar, en lugar de sustituir, el juicio clínico de los profesionales de la salud”, expresó el coautor principal Ankit Sakhuja, miembro del Instituto de Medicina de Cuidados Críticos de Icahn en Mount Sinai. “En entornos complejos y de alta presión como la UCI, herramientas como GLUCOSE pueden proporcionar orientación basada en datos en tiempo real y adaptada a pacientes individuales. Este tipo de apoyo a la toma de decisiones puede mejorar la seguridad, reducir el riesgo de complicaciones y, en última instancia, permitir a los médicos centrar más su atención en los aspectos críticos de la atención al paciente”, agregó.
El sistema aprovecha un tipo avanzado de aprendizaje por refuerzo llamado “aprendizaje por refuerzo distribuido”, que permite evaluar no solo la mejor decisión esperada, sino todo el rango de posibles resultados. Esto se traduce en un modelo más cuidadoso, adaptable y eficaz, capaz de ajustar sus recomendaciones conforme evoluciona el estado clínico del paciente.
Una serie de evaluaciones realizadas por médicos intensivistas expertos y endocrinólogos revelaron que GLUCOSE no solo iguala sino que, en muchos casos, supera en seguridad, efectividad y aceptabilidad a las estrategias de dosificación humana. Además, el modelo podría integrarse fácilmente a sistemas de registros electrónicos de salud, sin requerir datos adicionales ni modificar la rutina clínica.
“Nuestro objetivo es desarrollar sistemas de IA que aumenten significativamente las capacidades de los proveedores de atención sanitaria y, en última instancia, mejoren los resultados de los pacientes”, mencionó el coautor principal Girish N. Nadkarni, presidente del Departamento Windreich de Inteligencia Artificial y Salud Humana, Director del Instituto Hasso Plattner para la Salud Digital, y director de IA del Sistema de Salud Mount Sinai.
Aunque aún no reemplaza la toma de decisiones médicas, GLUCOSE representa un importante avance en la asistencia clínica digital. Su adopción podría reducir complicaciones postoperatorias, disminuir la carga de trabajo del personal médico y mejorar la seguridad en entornos críticos como las UCI.
“Al aprender de los datos clínicos del mundo real y ofrecer recomendaciones personalizadas en tiempo real, los modelos como GLUCOSE representan un avance importante hacia la integración de herramientas basadas en datos fiables en el flujo de trabajo clínico. Este estudio ofrece una visión de cómo la IA puede integrarse cuidadosamente en la atención para apoyar a los proveedores en la entrega de un tratamiento más seguro y preciso”, indicó Nadkarni. El equipo de investigación planea futuras adaptaciones para ampliar su uso a otras áreas hospitalarias y continuar evaluaciones clínicas en entornos reales, con el objetivo fijo en una implementación más amplia.
