IA para elegir el tratamiento de la hipertensión infantil: un modelo del MIPT acierta el fármaco en el 98% de los casos

El número de niños con hipertensión arterial en Rusia ha crecido un 17% en los últimos cinco años. Los médicos ajustan el tratamiento por ensayo y error: eligen uno de los cinco fármacos autorizados y esperan 2–3 meses para ver el resultado. Anastasia Adamson, estudiante de máster del MIPT, ha desarrollado un modelo de machine learning que ataca este problema. El sistema analiza 154 rasgos clínicos y predice el fármaco eficaz con un 98% de precisión, de modo que el médico puede acertar con el tratamiento al primer intento.

Meses de espera inútil

La hipertensión arterial en la infancia es un problema cada vez más frecuente. En apariencia, la solución es sencilla: el médico elige uno de los cinco fármacos aprobados y empieza la terapia. Pero aquí aparece una dificultad de fondo de la medicina: cada organismo es distinto. A un niño le funciona el Lisinopril, otro responderá mejor al Amlodipino, a un tercero le irá bien el Nebivolol y un cuarto necesitará un enfoque combinado. El médico no lo sabe de antemano.

Si la elección falla, se pierden uno o dos meses. Durante ese tiempo, la presión del niño sigue elevada, los vasos sanguíneos soportan una carga adicional y aumenta el riesgo de hipertrofia del ventrículo izquierdo y de otras complicaciones. Después se prescribe un nuevo fármaco y vuelve la espera. Este ciclo de errores afecta a la salud del paciente y también a su estado psicológico: meses de incertidumbre y de tratamiento ineficaz dejan huella.

Cómo predice el modelo el resultado

Adamson entrenó el algoritmo con datos de 272 pacientes. Lo decisivo, más allá del volumen, es que los datos tienen muchas capas. El modelo tiene en cuenta 154 rasgos que componen el retrato clínico completo del niño:

• Demografía: edad, peso, índice de masa corporal, estatura
• Cardiología: ecografía cardíaca, dimensiones del ventrículo izquierdo, ecocardiografía
• Sistema vascular: ecografía de las arterias carótidas, grosor íntima-media
• Hemodinámica: presión sistólica y diastólica en distintas condiciones
• Estado hormonal: niveles de renina, aldosterona y catecolaminas
• Diagnóstico de laboratorio: función renal y hepática, electrolitos, análisis de orina

El algoritmo de machine learning procesa este mosaico y encuentra patrones ocultos. Identifica qué combinaciones de parámetros apuntan a la eficacia de cada fármaco. El resultado: el modelo predice con un 98% de precisión cuál de los cinco medicamentos funcionará para ese niño en concreto, antes incluso de la primera prescripción.

Los hallazgos médicos, en cifras

Lo más interesante es que el modelo ha detectado relaciones estadísticas que los médicos sospechaban desde hacía años, pero que no habían podido demostrar con rigor. Por ejemplo, identificó una correlación clara entre el sobrepeso infantil y la alta eficacia del Lisinopril en ese subgrupo. Los médicos lo habían observado en la práctica, pero no existía documentación formal.

«No sustituye al médico; es una potente herramienta de apoyo», afirma

Adamson.

La decisión final sigue en manos del pediatra o del cardiólogo. Pero ahora el especialista cuenta con una recomendación respaldada científicamente en lugar de una simple conjetura.

Qué significa para la pediatría

El trabajo de Adamson muestra cómo la inteligencia artificial se integra en la práctica médica real. En lugar de pruebas sin método, el médico dispondrá de un pronóstico personalizado basado en el análisis de grandes volúmenes de datos. Eso supone reducir el tiempo de ajuste de la terapia de meses a días, acortar los periodos de presión arterial sin controlar y rebajar el riesgo de complicaciones para cada paciente. Aquí la IA no hace magia: es un asistente que amplía las capacidades diagnósticas y terapéuticas del profesional sanitario.