Ciudad de México,
Judith Moreno
Crédito foto: Unsplash
Herramientas desarrolladas por Mayo Clinic lograron identificar a menores con asma que presentarán complicaciones graves, a partir de datos clínicos obtenidos desde los tres años. La investigación, publicada en Journal of Allergy and Clinical Immunology, aplicó modelos de inteligencia artificial sobre miles de registros médicos para distinguir un subtipo infantil con mayor riesgo.
El análisis incluyó expedientes electrónicos de más de 22 mil menores nacidos entre 1997 y 2016. Investigadores procesaron la información mediante aprendizaje automático y procesamiento de lenguaje natural, extrayendo síntomas respiratorios y antecedentes alérgicos registrados por profesionales médicos. La metodología permitió aplicar dos listas diagnósticas ampliamente utilizadas: los Criterios de Asma Predeterminados y el Índice Predictivo del Asma.
Un subgrupo de pacientes cumplió ambos sistemas de clasificación. Este conjunto presentó tasas más altas de enfermedades respiratorias graves, incluyendo neumonía e influenza. A los tres años, registraron el doble de episodios de neumonía y casi el triple de casos de influenza respecto al resto de los niños evaluados. También concentraron el mayor número de visitas a servicios de urgencias y hospitalizaciones relacionadas con crisis asmáticas, además de recibir tratamientos con esteroides con mayor frecuencia.
Así, el doctor Young Juhn, profesor de pediatría en Mayo Clinic y autor principal del estudio, indicó que los hallazgos permiten cambiar el enfoque de atención: "Este estudio nos acerca un paso más a la medicina de precisión en el asma infantil, donde la atención pasa de ser reactiva ante el asma grave avanzada a centrarse en la prevención y la detección precoz de pacientes de alto riesgo".
Los resultados también reflejan una asociación entre ese subtipo y antecedentes familiares de afecciones como eccema, rinitis alérgica o alergias alimentarias. Estudios previos del mismo grupo de investigación revelaron que estos menores presentan señales biológicas vinculadas con inflamación alérgica, incluyendo niveles elevados de eosinófilos, IgE específica y periostina, biomarcadores asociados con inflamación de tipo 2. Adicionalmente, mostraron deterioro en la función pulmonar desde los primeros años de vida.
Esta línea de trabajo se inscribe en la estrategia institucional precure, orientada a anticipar enfermedades graves mediante análisis poblacionales y tecnologías predictivas. El objetivo es transformar la atención médica, dirigiéndola hacia la prevención individualizada. Según lo informado, los próximos pasos incluyen aplicar estas herramientas en entornos clínicos más diversos y combinarlas con datos biológicos para definir con mayor precisión los subtipos de asma.
La aplicación de modelos predictivos en la infancia representa una herramienta con potencial clínico inmediato. Detectar señales tempranas mediante inteligencia artificial podría modificar la manera en que se abordan las enfermedades respiratorias crónicas en la población pediátrica, abriendo nuevas líneas de intervención desde etapas iniciales del desarrollo.