Un equipo de investigadores de la carrera de Kinesiología de la Universidad Santo Tomás Talca lideró el desarrollo de un modelo de inteligencia artificial capaz de predecir el riesgo de mortalidad hospitalaria en personas mayores con neumonía, utilizando datos del sistema público de salud chileno para fortalecer la toma de decisiones clínicas.
La Dra. Yeny Concha Cisternas y el Dr. Eduardo Guzmán Muñoz, académicos e investigadores de la carrera de Kinesiología de la Universidad Santo Tomás Talca, lideraron una investigación que desarrolló un modelo de inteligencia artificial para predecir el riesgo de mortalidad hospitalaria en personas mayores con neumonía adquirida en la comunidad. El estudio analizó más de 58 mil hospitalizaciones de personas de 60 años o más registradas en 72 hospitales públicos de Chile, con el propósito de aportar una herramienta que permita apoyar la toma de decisiones clínicas y optimizar la atención de pacientes con mayor riesgo.
La investigación tuvo como objetivo desarrollar y validar modelos de inteligencia artificial capaces de identificar tempranamente a las personas mayores con mayor riesgo de fallecer durante la hospitalización, utilizando información que ya existe en los registros hospitalarios, como edad, sexo, número de comorbilidades, duración de la hospitalización y, especialmente, el nivel de fragilidad de los pacientes.
La Dra. Yeny Concha explicó que la motivación del estudio fue generar una herramienta basada en evidencia que contribuya a fortalecer la atención de las personas mayores.
«Esta investigación consistió en desarrollar y validar modelos de inteligencia artificial capaces de predecir el riesgo de mortalidad hospitalaria en personas mayores hospitalizadas por neumonía adquirida en la comunidad en Chile. El principal objetivo fue construir una herramienta predictiva basada en datos que ya existen en los registros hospitalarios, evaluando si la inteligencia artificial podía ayudar a identificar con mayor precisión a los pacientes mayores con mayor riesgo de fallecer durante la hospitalización».
Fragilidad: el principal hallazgo
Uno de los resultados más relevantes fue comprobar que la fragilidad constituye el principal factor asociado al riesgo de mortalidad, por sobre variables como la edad o el número de enfermedades crónicas.
«El resultado más importante fue que la fragilidad apareció como el principal factor asociado a la predicción de mortalidad. Esto es clínicamente muy significativo, porque demuestra que en las personas mayores no basta con mirar la edad cronológica o contar el número de enfermedades. Dos pacientes pueden tener la misma edad, pero riesgos muy distintos si uno de ellos presenta mayor fragilidad», destacó la Dra. Yeny Concha.
La investigadora agregó que los modelos de inteligencia artificial, especialmente aquellos basados en árboles de decisión, obtuvieron una capacidad predictiva superior a la regresión logística tradicional. Además, el estudio incorporó una metodología de inteligencia artificial explicable (SHAP), que permite conocer qué variables influyen en cada predicción, facilitando su interpretación y aumentando la confianza para un eventual uso clínico.
Una herramienta de apoyo para la toma de decisiones
Respecto de su aplicación, la Dra. Concha explicó que esta herramienta podría facilitar la identificación temprana de pacientes con mayor riesgo, apoyando la priorización de la vigilancia clínica, el seguimiento y la asignación de recursos, especialmente durante los períodos de mayor demanda asistencial.
«Esta herramienta podría contribuir a mejorar la atención porque permitiría identificar tempranamente a las personas mayores hospitalizadas por neumonía que tienen mayor riesgo de evolucionar desfavorablemente. Sin embargo, es importante aclarar que esta herramienta no busca reemplazar el juicio clínico. Su propósito es actuar como un apoyo para la toma de decisiones, entregando información adicional y objetiva que complemente la evaluación realizada por los equipos de salud».
La investigación fue desarrollada en colaboración con especialistas de distintas instituciones, entre ellos Rodrigo Yáñez, experto en ciencia de datos de la Universidad Andrés Bello, y Manuel Vásquez, egresado de Kinesiología de la Universidad Santo Tomás y actual académico de la Universidad Mayor, fortaleciendo un trabajo interdisciplinario que integra salud, ciencia de datos e inteligencia artificial.
Investigación con sello UST Talca
Para el Dr. Eduardo Guzmán Muñoz, este proyecto representa el compromiso de la Universidad Santo Tomás Talca con la generación de conocimiento aplicado para responder a necesidades concretas del país.
«Para la Universidad Santo Tomás, participar en este tipo de investigaciones significa contribuir directamente a problemas reales del país. La neumonía en personas mayores es una causa importante de hospitalización, complicaciones y mortalidad, especialmente en un contexto de envejecimiento poblacional. Este tipo de proyectos muestra que la kinesiología no solo aporta desde la rehabilitación o la atención directa, sino también desde la generación de evidencia, el análisis de datos y el diseño de herramientas que pueden mejorar la toma de decisiones sanitarias».
El académico agregó que este trabajo fortalece el posicionamiento de la institución en áreas emergentes como la salud digital y la inteligencia artificial aplicada.
«Esperamos que este proyecto contribuya a posicionar a la Universidad Santo Tomás como una institución capaz de liderar investigación aplicada en salud, envejecimiento e inteligencia artificial. Este trabajo no solo aporta evidencia científica, sino que también abre una línea de desarrollo institucional en investigación interdisciplinaria, innovación tecnológica y salud digital, con potencial de fortalecer la colaboración entre universidades, hospitales y el sistema público de salud». Actualmente, el equipo investigador trabaja en la siguiente etapa del proyecto, que contempla validar el modelo en nuevos pacientes y distintos hospitales del país, además de avanzar en su integración gradual a los sistemas informáticos hospitalarios. El objetivo es que esta herramienta pueda apoyar la toma de decisiones clínicas desde las primeras horas de atención, siempre bajo la supervisión de los profesionales de la salud y con los resguardos éticos correspondientes