Un equipo de investigadores de Cedars-Sinai Health Sciences University desarrolló una herramienta basada en inteligencia artificial (IA) capaz de anticipar episodios de hipoglucemia hospitalaria con hasta 24 horas de margen. El sistema analiza datos del historial clínico electrónico de cada paciente y detecta patrones individuales de riesgo antes de que se produzca una caída peligrosa de la glucosa. La validación del modelo fue publicada en la revista npj Digital Medicine.

La hipoglucemia hospitalaria es un problema frecuente y riesgoso para personas con diabetes, pacientes en ayuno o personas internadas en condiciones críticas. Cuando la glucosa en sangre baja de forma brusca, pueden aparecer síntomas como temblores, sudoración, palpitaciones, confusión y desorientación. En cuadros graves, también puede provocar convulsiones, alteraciones cardíacas o pérdida de conciencia.

De la reacción tardía a la prevención

El manejo de la hipoglucemia en hospitales suele depender del monitoreo periódico realizado por los equipos de salud. Esa dinámica deja poco margen de intervención, porque muchas veces el equipo médico actúa cuando el episodio ya comenzó. El nuevo modelo busca cambiar ese enfoque y permitir una respuesta preventiva.

Roma Gianchandani, médica y vicepresidenta de calidad e innovación en Cedars-Sinai, explicó que la mayor parte de los cuidados hospitalarios frente a la hipoglucemia son reactivos. Según señaló, las intervenciones suelen llegar después de que se produce la baja de azúcar en sangre. Con una alerta anticipada, el equipo de atención podría ajustar medicación, dieta o controles antes de que el paciente llegue a una situación crítica.

La herramienta fue entrenada con datos de más de 143.000 internaciones. El sistema procesa información como administración de medicamentos, resultados de laboratorio, órdenes dietéticas y porcentaje de comidas consumidas. A partir de esos datos, calcula el riesgo de hipoglucemia para las siguientes 24 horas.

Cómo funciona el modelo de inteligencia artificial

El sistema utiliza un modelo denominado LSTM, sigla en inglés de Long Short-Term Memory. Este tipo de inteligencia artificial permite integrar información dinámica del paciente a lo largo del tiempo. En este caso, analiza datos reunidos en intervalos de cuatro horas durante varios días de internación.

Los investigadores explicaron que el modelo busca patrones en medicamentos, estudios de laboratorio, alimentación y otros registros clínicos. Esa combinación permite identificar señales de riesgo que pueden pasar inadvertidas en una revisión tradicional. La validación se realizó primero de manera retrospectiva y luego con aplicación en tiempo real en población hospitalaria.

Amanda Momenzadeh, doctora en farmacia e investigadora principal del estudio, señaló que el modelo fue diseñado para alertar al equipo médico antes de que ocurra la hipoglucemia. También destacó que la herramienta permite identificar los factores que impulsan el riesgo en cada paciente. Esa característica facilita intervenciones más personalizadas y aporta información útil para los programas hospitalarios de manejo de la diabetes.

Qué impacto podría tener en hospitales

Según las pruebas operativas, la herramienta podría ayudar a prevenir entre tres y cuatro episodios de hipoglucemia por día en hospitales de gran tamaño. Su valor principal está en que trabaja con datos que los centros de salud ya recolectan de manera habitual. Eso facilitaría su integración en sistemas clínicos sin depender de información externa o controles extraordinarios.

Jesse Meyer, profesor del Departamento de Biomedicina Computacional, remarcó que no se trata de un modelo solo teórico. Según explicó, la solución fue validada para funcionar en tiempo real con datos rutinarios de hospitales. Para el investigador, identificar a los pacientes en riesgo antes de que aparezcan síntomas abre una oportunidad para reducir complicaciones y mejorar la seguridad asistencial.

El estudio también subraya que el modelo ofrece predicciones interpretables. Esto significa que no solo emite una alerta, sino que también ayuda a entender qué factores están elevando el riesgo en cada caso. Esa información puede ser clave para que médicos, enfermeros y especialistas en diabetes tomen decisiones clínicas más precisas.

Por qué la hipoglucemia es un riesgo durante la internación

La hipoglucemia se define, en general, por valores de glucosa en sangre por debajo de 70 mg/dL. Puede aparecer por el uso de insulina u otros medicamentos hipoglucemiantes, ayunos previos a procedimientos, infecciones graves, desnutrición o enfermedades renales y hepáticas. También existen causas menos frecuentes, como algunos tumores pancreáticos capaces de producir insulina en exceso.

En una internación, ese cuadro puede complicar la evolución del paciente y aumentar el riesgo de eventos graves. Por eso, la detección temprana es una prioridad para los equipos de salud. Una herramienta que anticipe el riesgo con margen suficiente puede permitir ajustes antes de que la baja de glucosa se convierta en una emergencia.

El desarrollo de Cedars-Sinai muestra una aplicación concreta de la inteligencia artificial en la atención hospitalaria. En lugar de reemplazar la evaluación médica, el sistema busca aportar una alerta temprana basada en datos clínicos. Si su uso se amplía, podría ayudar a pasar de una atención reactiva a una estrategia más preventiva en pacientes internados con riesgo de hipoglucemia.