Modelos de inteligencia artificial para predecir emergencias por opioides: cómo cambió su precisión durante la pandemia

Contexto del problema #

La inteligencia artificial y el aprendizaje automático se utilizan cada vez más en medicina para predecir qué pacientes corren mayor riesgo de complicaciones graves. En el caso de los opioides, estas herramientas podrían ayudar a identificar a las personas en riesgo de visitas de emergencia, hospitalización o muerte en los 30 días posteriores a recibir una prescripción. Sin embargo, los eventos globales como la pandemia de COVID-19 pueden cambiar drásticamente los patrones de salud y comportamiento, lo que podría afectar la confiabilidad de estos modelos predictivos.

Cómo se realizó el estudio #

Investigadores de Alberta, Canadá, desarrollaron modelos de aprendizaje automático utilizando datos administrativos de salud de más de 1,2 millones de pacientes mayores de 18 años entre 2019 y 2023. El estudio incluyó más de 13 millones de dispensaciones de opioides registradas en farmacias comunitarias. Los científicos crearon modelos separados usando datos de tres períodos distintos: antes de la pandemia (2019), durante la pandemia (2020-2021) y después de ella (2022), y luego evaluaron su desempeño predictivo en datos de 2023.

Los resultados que buscaban predecir incluían cualquier visita al servicio de emergencia, hospitalización o muerte relacionada con opioides dentro de 30 días de una dispensación. Los investigadores utilizaron una técnica llamada Light Gradient Boosting Machine, un método avanzado de aprendizaje automático.

Hallazgos principales #

Entre los 1,2 millones de participantes, se registraron eventos adversos en aproximadamente 2,1% de los casos en el período pre-pandémico (2019), 2,4% durante la pandemia (2020-2021) y 2,3% en el período posterior (2022). Para 2023, los investigadores estimaron que la probabilidad de que ocurriera un evento sería de alrededor del 2,8%.

Un hallazgo crítico fue que las características clave de los datos —es decir, los patrones y variables que el modelo utilizaba para hacer predicciones— cambiaron notablemente a lo largo del período de estudio. Este fenómeno se conoce como “data drift” o desviación de datos. Cuando los patrones en los datos cambian significativamente, los modelos entrenados con información antigua pueden perder precisión al aplicarse a nuevas situaciones.

Qué significa esto en general #

Este estudio ilustra un desafío fundamental en la medicina moderna: los sistemas de inteligencia artificial funcionan mejor cuando el mundo en el que operan permanece relativamente estable. La pandemia de COVID-19 alteró profundamente los patrones de atención médica, el comportamiento de los pacientes y la distribución de enfermedades. Cuando un modelo entrenado antes de estos cambios se aplica después, su capacidad para hacer predicciones precisas puede disminuir.

Para los sistemas de salud pública, esto significa que los modelos predictivos requieren actualización y validación continua, especialmente después de eventos que alteren significativamente los patrones de salud poblacional. No es suficiente entrenar un modelo una sola vez; debe monitorearse regularmente y reentrenarse con datos recientes para mantener su utilidad clínica.

Limitaciones del estudio #

Este análisis se realizó específicamente en Alberta, Canadá, utilizando datos administrativos de un sistema de salud particular. Los resultados podrían no ser directamente aplicables a otras regiones con sistemas de salud diferentes, patrones de prescripción distintos o poblaciones con características demográficas variadas. Además, el estudio se enfocó únicamente en opioides dispensados en farmacias comunitarias, lo que podría no capturar toda la complejidad del uso de opioides en la población.

Consideraciones finales #

Este trabajo subraya la importancia de desarrollar sistemas de vigilancia y predicción que sean adaptables y resilientes frente a cambios en los patrones de salud. Si está considerando cualquier intervención o tratamiento relacionado con el manejo del dolor o la dependencia de opioides, es fundamental consultar con un profesional sanitario calificado que pueda evaluar su situación individual y recomendar el enfoque más apropiado.