La inteligencia artificial de Mayo Clinic permite detectar infecciones en heridas quirúrgicas a partir de imágenes enviadas por pacientes (Imagen Ilustrativa Infobae)

Una foto podría salvar una vida. Esa es la premisa detrás de una innovadora herramienta desarrollada por la Mayo Clinic, que utiliza inteligencia artificial (IA) para detectar infecciones en heridas quirúrgicas a partir de imágenes enviadas por los propios pacientes.

Este estudio, presentado en la revista Annals of Surgery, promete transformar la atención postoperatoria al permitir una vigilancia remota, rápida y precisa del estado de las incisiones quirúrgicas, especialmente en un contexto donde las cirugías ambulatorias y los seguimientos virtuales son cada vez más comunes.

De acuerdo con el trabajo, mediante algoritmos avanzados entrenados con miles de fotografías clínicas, el sistema puede identificar tanto la presencia de una herida quirúrgica como señales tempranas de infección. Según informó Mayo Clinic, esta tecnología no solo mejora la eficiencia del diagnóstico, sino que también podría marcar la diferencia entre una recuperación sin complicaciones y una infección grave no detectada a tiempo.

Un sistema de inteligencia artificial para el monitoreo de heridas postoperatorias

El equipo de investigadores de la Mayo Clinic diseñó un sistema de IA que automatiza el proceso de revisión de imágenes de heridas quirúrgicas enviadas por pacientes a través de portales en línea. El sistema, basado en el modelo Vision Transformer, opera en dos etapas: primero, determina si la imagen contiene una incisión quirúrgica (corte realizado por el cirujano durante una operación); luego, evalúa si esa incisión muestra indicios de infección. Esta arquitectura permite filtrar imágenes irrelevantes y centrarse en aquellas que requieren atención clínica.

El monitoreo automatizado agiliza la atención postoperatoria y prioriza los casos de mayor riesgo para los profesionales de la salud (Imagen Ilustrativa Infobae)

Mayo Clinic detalló que el sistema fue entrenado con más de 20.000 imágenes provenientes de más de 6.000 pacientes atendidos en nueve de sus hospitales. Esta base de datos diversa y amplia permitió al modelo aprender a identificar patrones visuales asociados tanto a incisiones quirúrgicas como a posibles infecciones, lo que refuerza su capacidad de generalización en distintos contextos clínicos.

Resultados del estudio: precisión y alcance del modelo

La investigación examinó que el sistema de IA alcanzó una precisión del 94% en la detección de incisiones quirúrgicas dentro de las imágenes analizadas. En cuanto a la identificación de infecciones, el modelo logró un área bajo la curva (AUC) del 81%, una métrica que refleja su capacidad para distinguir entre heridas infectadas y no infectadas.

Estos resultados sugieren que la herramienta puede funcionar como un filtro eficaz para priorizar la atención médica, permitiendo que los profesionales de la salud se concentren en los casos que presentan mayor riesgo. De acuerdo con la información publicada por Mayo Clinic, la automatización de este proceso podría reducir los tiempos de respuesta y facilitar la intervención temprana, factores clave para evitar complicaciones graves en el postoperatorio.

La creciente necesidad de monitoreo ambulatorio de incisiones quirúrgicas motivó el desarrollo de esta tecnología. Cornelius Thiels, D.O., oncólogo quirúrgico hepatobiliar y pancreático de la Mayo Clinic y coautor principal del estudio, explicó: “Este proceso, actualmente realizado por clínicos, consume tiempo y puede retrasar la atención. Nuestro modelo de IA puede ayudar a clasificar estas imágenes automáticamente, mejorando la detección temprana y agilizando la comunicación entre pacientes y sus equipos de atención”.

Por su parte, Hala Muaddi, M.D., Ph.D., primera autora del estudio y especialista en cirugía hepatopancreatobiliar, subrayó la relevancia de la herramienta en el contexto actual: “Este trabajo sienta las bases para el cuidado postoperatorio asistido por IA… Es especialmente relevante a medida que las operaciones ambulatorias y los seguimientos virtuales se vuelven más comunes”.

Mayo Clinic realiza estudios prospectivos para validar la eficacia del sistema antes de su integración definitiva en la práctica clínica (Créditos: Freepik)

También destacó el impacto potencial para pacientes y personal médico: “Para los pacientes, esto podría significar una tranquilidad más rápida o una identificación temprana de un problema. Para los clínicos, ofrece una forma de priorizar la atención a los casos que más lo necesitan, especialmente en entornos rurales o con recursos limitados”.

A su vez, Hojjat Salehinejad, Ph.D., coautor principal y consultor asociado en investigación sobre la prestación de servicios de salud en el Kern Center for the Science of Health Care Delivery, expresó: “Esperamos que los modelos de IA que desarrollamos… tengan el potencial de transformar fundamentalmente la forma en que se realiza el seguimiento quirúrgico”.

Impacto potencial en la atención médica y la equidad en el acceso

La implementación de este sistema de inteligencia artificial podría modificar de manera significativa la atención postoperatoria, especialmente en un contexto donde las cirugías ambulatorias y los seguimientos virtuales son cada vez más frecuentes. Según Mayo Clinic, la automatización del análisis de imágenes permitiría a los pacientes recibir respuestas más rápidas y reduciría los retrasos en el diagnóstico de infecciones, lo que contribuiría a una mejor recuperación en el hogar.

El sistema también podría desempeñar un papel importante en la reducción de costos y en la disminución de la morbilidad asociada a infecciones no detectadas a tiempo. Al alertar de manera temprana sobre signos de infección, la herramienta facilitaría intervenciones oportunas y evitaría complicaciones que suelen requerir tratamientos más complejos y costosos.

La herramienta de IA alcanzó una precisión del 94% en la detección de incisiones y un 81% en la identificación de infecciones (Créditos: Freepik)

Un aspecto destacado por los investigadores es la utilidad de la herramienta en zonas rurales o con recursos limitados, donde el acceso a especialistas puede ser más difícil. La doctora Muaddi señaló que la priorización automática de casos permitiría enfocar los recursos médicos en los pacientes que más lo necesitan, mejorando la equidad en la atención.

En cuanto a la equidad algorítmica, el estudio de Mayo Clinic indica que el modelo demostró un rendimiento consistente en diferentes grupos de pacientes, abordando así las preocupaciones sobre posibles sesgos en la inteligencia artificial aplicada a la salud.

A pesar de los resultados alentadores, los autores del estudio reconocen que la herramienta requiere validación adicional antes de su integración definitiva en la práctica clínica diaria. Mayo Clinic informó que actualmente se están realizando estudios prospectivos para evaluar cómo se adapta el sistema a la atención quirúrgica cotidiana y para confirmar su eficacia en escenarios reales.

El equipo de investigación considera que, con una validación adecuada, la herramienta podría convertirse en un recurso de primera línea para el cribado de infecciones postoperatorias, alertando a los profesionales de la salud sobre incisiones que requieren atención inmediata. Además, la tecnología abre la puerta al desarrollo de algoritmos capaces de identificar signos sutiles de infección incluso antes de que sean evidentes para el equipo médico, lo que podría anticipar tratamientos y mejorar los resultados para los pacientes.