En la detección temprana de sepsis cada segundo cuenta. Por ello, iniciar un tratamiento adecuado, evitar que el estado del paciente empeore y reducir complicaciones que pueden terminar requiriendo cuidados intensivos es esencial.

Pero una detección más temprana no solo tiene un impacto clínico, sino que también contribuye a utilizar mejor los recursos hospitalarios y reducir costes asociados a la atención de estos pacientes.

Esta es una de las principales conclusiones de un nuevo estudio publicado en PLOS Global Public Health, en el que han participado profesionales médicos e investigadores del Instituto de Ingeniería del Conocimiento (IIC), y que analiza el impacto económico de BIAlert-Sepsis, un sistema de inteligencia artificial diseñado para predecir el riesgo de sepsis hasta 24 horas antes de su reconocimiento clínico.

Muestra del estudio con más de 8.000 pacientes analizados

El estudio analiza datos reales de 8.039 pacientes con sepsis atendidos en el Hospital Universitario Son Llàtzer, en Mallorca.

Los investigadores compararon dos periodos: uno anterior a la implantación de BIAlert-Sepsis, entre 2011 y marzo de 2019, y otro posterior a su incorporación, desde abril de 2019 hasta junio de 2024. Para evitar distorsiones provocadas por la pandemia, el periodo de COVID-19 se excluyó del análisis.

BIAlert-Sepsis utiliza modelos de machine learning entrenados con datos históricos del hospital para identificar pacientes con alto riesgo de desarrollar sepsis en las siguientes 24 horas. Las alertas se integran directamente en la historia clínica electrónica para que los profesionales sanitarios puedan actuar sobre ellas dentro de su flujo habitual de trabajo.

Menos ingresos en UCI y estancias más cortas

Los resultados muestran mejoras relevantes durante el periodo en el que estaba implantado el sistema de IA:

• Los ingresos en UCI pasaron del 34,4 % al 30,4 %.
• La estancia media en UCI se redujo en 0,35 días por paciente.
• La estancia en planta disminuyó en 0,59 días.

En términos económicos, el coste medio por ingreso pasó de 26.517 euros a 24.630 r euros. Podemos concretar que el ahorro calculado a partir de la reducción del uso de recursos hospitalarios fue de aproximadamente 1.800 euros por paciente.

Además, al ajustar estadísticamente los resultados para tener en cuenta factores como la edad, el sexo, los ingresos en UCI o la complejidad clínica, el periodo de utilización de la IA siguió estando asociado con una reducción del coste medio de hospitalización de entre el 26,1 % y el 31,1 %, dependiendo del modelo empleado.

¿Es rentable implantar este tipo de inteligencia artificial?

El estudio va un paso más allá y analiza no solo el ahorro por paciente, sino también si la inversión necesaria para implantar y mantener el sistema puede compensarse económicamente.

Para ello, los investigadores realizaron una proyección a cinco años incluyendo los costes de instalación, mantenimiento, nivel de adopción por parte de los profesionales y rendimiento del sistema.

En el escenario principal, el modelo estima un beneficio neto acumulado de 3,55 millones de euros en cinco años y un retorno de la inversión del 528 %. Según la simulación, el punto de equilibrio económico se alcanzaría ya durante el primer año.

Incluso utilizando un escenario más conservador —con menor rendimiento del sistema y una adopción más lenta—, la proyección sigue siendo positiva: alrededor de 2,08 millones de euros de beneficio neto acumulado y un ROI cercano al 310 % a cinco años.

Los análisis de sensibilidad realizados con 10.000 simulaciones respaldan además la estabilidad de estos resultados: menos del 3 % de las simulaciones obtuvieron un valor económico neto negativo.

Tecnología para anticiparse y utilizar mejor los recursos

Uno de los aspectos relevantes de este trabajo es que no analiza únicamente el funcionamiento de un algoritmo en un entorno experimental. Estudia su utilización en un hospital real y dentro de un programa de atención a la sepsis que llevaba años funcionando.

El estudio aporta así evidencia de cómo la inteligencia artificial aplicada para la ayuda a la detección precoz de la sepsis puede ir más allá de la capacidad predictiva de un modelo.

Integrada correctamente en los procesos asistenciales, la IA puede ayudar a anticipar situaciones de riesgo, apoyar la toma de decisiones de los profesionales y favorecer un uso más eficiente de los recursos hospitalarios.

Con BIAlert-Sepsis podemos convertir la predicción temprana de sepsis en una herramienta que aporta valor tanto a la atención del paciente como a la sostenibilidad del sistema sanitario.