Una IA puede predecir el riesgo de fracturas de cadera

Una nueva herramienta desarrollada a partir de registros nacionales de salud de Suecia logró anticipar qué personas tienen mayor probabilidad de sufrir una fractura de cadera. El sistema identificó hasta siete veces más individuos en riesgo que las estrategias de detección utilizadas actualmente en la práctica clínica.

Una inteligencia artificial que puede anticipar fracturas de cadera sin evaluar al paciente

El modelo, denominado FRACTURE-ML, fue presentado en la revista PLOS Medicine por investigadores de la Universidad de Gotemburgo. Su propuesta se basa en aprovechar información sanitaria y poblacional que ya se encuentra disponible para detectar de manera anticipada a quienes podrían sufrir una fractura de cadera.

Este tipo de lesión representa una amenaza importante para los adultos mayores, ya que puede afectar considerablemente su autonomía, estado de salud y supervivencia.

Para evaluar la herramienta, los investigadores analizaron los registros de 3.542.647 personas de 50 años o más que residían en Suecia y las siguieron durante un periodo de hasta diez años. Durante ese tiempo, 142.327 participantes sufrieron una fractura de cadera.

El objetivo era determinar si era posible identificar a quienes presentaban mayor riesgo sin necesidad de realizar inicialmente una evaluación presencial.

El modelo utiliza millones de datos sanitarios

Uno de los principales problemas de algunas herramientas actuales de predicción es que necesitan información obtenida directamente del paciente, como el índice de masa corporal, determinados hábitos de vida u otros datos clínicos que requieren una consulta.

Para superar esta limitación, los investigadores desarrollaron un modelo basado exclusivamente en registros existentes.

En total, incorporaron 139.980 variables relacionadas con diagnósticos, medicamentos, procedimientos médicos, características demográficas y factores socioeconómicos. Posteriormente compararon diferentes métodos estadísticos y técnicas de aprendizaje automático.

La herramienta principal, FRACTURE-ML, empleó aprendizaje profundo y demostró una elevada capacidad para diferenciar entre las personas que posteriormente sufrirían una fractura de cadera y aquellas que no la presentarían.

Los resultados mostraron un área bajo la curva de 0,89 al año y de 0,88 a los dos años. Incluso una versión simplificada que utilizó solamente 35 predictores mantuvo un rendimiento considerable, con un área bajo la curva de 0,87 a los dos años y 0,85 a los cinco años.

Estos resultados indican que podría desarrollarse una versión más sencilla y potencialmente aplicable a gran escala, aunque todavía sería necesario comprobar su funcionamiento fuera del contexto de investigación.

FRACTURE-ML identificó hasta siete veces más personas en riesgo

Uno de los hallazgos más importantes surgió al comparar el nuevo modelo con la estrategia utilizada en Suecia para la prevención secundaria de fracturas.

El sistema sueco empleado actualmente se basa principalmente en identificar antecedentes recientes de fracturas mediante los llamados servicios de enlace de fracturas. Frente a este enfoque, FRACTURE-ML detectó casi siete veces más personas con riesgo de sufrir una fractura de cadera durante los siguientes dos años.

La diferencia también fue evidente en la sensibilidad de ambos métodos. FRACTURE-ML alcanzó una sensibilidad de 0,84, mientras que el método convencional obtuvo 0,12.

Sin embargo, esta mayor capacidad para detectar personas en riesgo tuvo un costo: la especificidad fue menor. El modelo alcanzó 0,79, frente a 0,98 del método habitual.

En términos prácticos, esto significa que el sistema puede ampliar considerablemente la detección de personas potencialmente vulnerables, aunque también puede generar un mayor número de falsos positivos.

Otro aspecto interesante del estudio fue que los modelos estadísticos tradicionales de Cox, cuando incorporaron un conjunto amplio de variables, obtuvieron resultados similares.

Por ello, los investigadores consideran que el principal avance quizá no se encuentre exclusivamente en utilizar inteligencia artificial, sino en aprovechar de manera más eficiente los enormes volúmenes de información sanitaria y poblacional que se recopilan rutinariamente.

¿Por qué una fractura de cadera puede tener consecuencias graves?

La relevancia de prevenir estas lesiones está relacionada con las consecuencias que pueden producir, especialmente en personas mayores.

El jefe del sector de Cirugía Reconstructiva de Cadera y Rodilla del Hospital Universitario Austral, Diego Mengelle, describió la fractura de cadera como un verdadero punto de inflexión en la vida de muchos adultos mayores.

Cuando una persona ya presenta movilidad limitada, dependencia funcional o enfermedades crónicas mal controladas, una fractura puede acelerar considerablemente el deterioro de su estado general.

En determinados pacientes, la expectativa de vida puede reducirse a dos o tres años. Por el contrario, quienes mantienen su autonomía y no presentan enfermedades graves pueden tener mayores posibilidades de recuperación cuando reciben una intervención quirúrgica rápida y un tratamiento integral.

El tiempo también desempeña un papel fundamental. La ventana considerada ideal para realizar la cirugía se encuentra aproximadamente entre las 48 y 72 horas posteriores a la fractura, siempre que las condiciones clínicas del paciente lo permitan.

La recuperación no depende únicamente de la cirugía. También requiere la participación coordinada de profesionales de distintas áreas, como médicos clínicos, kinesiólogos, nutricionistas e infectólogos, además del apoyo familiar y social.

La mortalidad después de una fractura refuerza la importancia de prevenirla

La gravedad de estas lesiones también puede observarse en los datos de supervivencia.

Un estudio previo publicado en JBMR Plus analizó a 98.474 residentes de Ontario de 66 años o más que habían sufrido fracturas relacionadas con osteoporosis.

Las fracturas de cadera fueron las que se asociaron con el mayor riesgo de muerte. Un año después de la lesión, sobrevivían 67,7% de los hombres y 78,5% de las mujeres, frente a 92,2% y 93,1%, respectivamente, entre las personas que no habían sufrido fracturas.

La diferencia continuaba siendo importante cinco años después: menos de un tercio de los hombres y aproximadamente la mitad de las mujeres que habían sufrido fracturas óseas permanecían con vida.

Jacques Brown, investigador del departamento de medicina de la Universidad Laval y autor principal de ese trabajo, señaló que la supervivencia a cinco años podía ser comparable o incluso inferior a la observada en algunos tipos frecuentes de cáncer.

En este contexto, disponer de una herramienta capaz de identificar con anticipación a las personas con mayor riesgo podría tener un importante valor preventivo.

Osteoporosis, caídas y envejecimiento: los principales factores relacionados con el riesgo

Una gran proporción de las fracturas de cadera en adultos mayores está vinculada con la osteoporosis, enfermedad que reduce la resistencia de los huesos y que puede avanzar durante años sin producir síntomas.

La osteoporosis también puede provocar fracturas en zonas como la muñeca o la columna vertebral, por lo que suele considerarse una enfermedad silenciosa.

En muchas ocasiones, la caída recibe toda la atención como causa de la lesión. Sin embargo, cuando una caída de bajo impacto termina provocando una fractura, puede ser una señal de que ya existe una fragilidad ósea importante.

La densitometría ósea permite evaluar la densidad mineral de los huesos y detectar alteraciones antes de que ocurra una fractura grave.

La prevención debe comenzar antes de que aparezca una lesión e incluir actividad física, alimentación adecuada, evaluación de la salud ósea y tratamiento de la osteoporosis cuando sea necesario.

Además, se ha señalado que una proporción considerable de las personas que sufren una fractura relacionada con osteoporosis no recibe posteriormente medidas destinadas a prevenir nuevas lesiones.

De acuerdo con la Fundación Internacional de Osteoporosis, la enfermedad afecta a más de 500 millones de personas en todo el mundo.

Entre los factores que pueden aumentar el riesgo se encuentran la edad avanzada, un peso corporal bajo, los antecedentes familiares, el tabaquismo, el consumo prolongado de alcohol, determinadas enfermedades endocrinas, gastrointestinales y reumatológicas, así como el uso prolongado de medicamentos como los corticosteroides.

¿Cómo podría cambiar la prevención si el riesgo se detecta con anticipación?

Si FRACTURE-ML demuestra su utilidad en futuras investigaciones y obtiene validación para su uso clínico, podría convertirse en una herramienta para organizar de manera más eficiente las estrategias de prevención.

La identificación temprana de personas con un riesgo elevado permitiría derivarlas para realizar estudios complementarios, evaluar su salud ósea, implementar medidas para reducir las caídas y establecer controles médicos más estrechos.

Este enfoque podría ser especialmente útil en sistemas sanitarios con recursos limitados, donde resulta difícil realizar evaluaciones presenciales a grandes cantidades de personas.

Al utilizar información que ya está disponible en los registros médicos, el modelo podría permitir una primera etapa de detección sin que cada paciente tenga que acudir inmediatamente a una consulta.

Sin embargo, las estrategias preventivas continuarían dependiendo de medidas ya conocidas, como el tratamiento de la osteoporosis, la rehabilitación, la reducción de riesgos de caídas dentro del hogar y la prevención de nuevas fracturas en quienes ya han sufrido una.

La posible diferencia estaría en que los pacientes podrían ser identificados antes y en una escala mucho mayor.

¿Qué falta para que FRACTURE-ML pueda utilizarse en la práctica?

A pesar de sus resultados prometedores, el estudio presenta algunas limitaciones importantes.

El modelo no incorporó determinados factores relacionados con el estilo de vida, como el tabaquismo y el consumo de alcohol, que también pueden modificar el riesgo de fractura.

Además, FRACTURE-ML todavía no ha sido validado en otros países ni probado en escenarios reales de implementación clínica.

Esta etapa será fundamental antes de considerar su incorporación a los sistemas sanitarios.

Por ahora, el estudio demuestra que es posible utilizar registros de salud para estimar el riesgo de fractura de cadera a nivel poblacional sin necesidad de una evaluación presencial inicial, y hacerlo con un nivel de precisión elevado.

El siguiente desafío será determinar si esta capacidad de predicción puede convertirse en acciones preventivas concretas y, sobre todo, si su implementación consigue reducir realmente la cantidad de fracturas de cadera y sus graves consecuencias.

Noticias del tema