IA para seleccionar el tratamiento de la hipertensión en niños: un modelo del MIPT predice el fármaco con un 98% de precisión

El número de niños con hipertensión arterial en Rusia ha aumentado un 17% en los últimos cinco años. Los médicos seleccionan el tratamiento por ensayo y error — eligiendo uno de cinco medicamentos aprobados y esperando resultados durante 2–3 meses. La estudiante de maestría del MIPT, Anastasia Adamson, desarrolló un modelo de aprendizaje automático que resuelve este problema: analiza 154 características clínicas y predice un medicamento efectivo con precisión del 98%, permitiendo que los médicos elijan el tratamiento correcto en el primer intento.

Meses de Espera Desperdiciada

La hipertensión arterial en la infancia se está convirtiendo en un problema cada vez más común. En la superficie, la solución parece simple: un médico elige uno de cinco medicamentos aprobados e inicia la terapia. Pero aquí reside una complejidad fundamental de la medicina — la individualidad de cada organismo.

Un niño responde bien a Lisinopril, otro responderá mejor a Amlodipina, un tercero se beneficiará de Nebivolol, un cuarto necesita un enfoque combinado. El médico no lo sabe de antemano. Si la elección resulta infructuosa, se pierden uno o dos meses.

Durante este tiempo, la presión arterial del niño permanece elevada, los vasos sanguíneos experimentan estrés adicional, y aumenta el riesgo de hipertrofia del ventrículo izquierdo y otras complicaciones. Luego se prescribe un nuevo medicamento y la espera comienza de nuevo. Este error cíclico afecta no solo la salud del paciente, sino también la psique del niño — meses de incertidumbre y tratamiento ineficaz dejan su marca.

Cómo el Modelo Predice Resultados

Adamson entrenó el algoritmo con datos de 272 pacientes. Pero la clave no es solo la cantidad de datos, sino su naturaleza multicapa. El modelo cuenta con 154 características que cubren el perfil clínico completo del niño:

• Demografía: edad, peso, índice de masa corporal, altura
• Cardiología: ecografía cardíaca, tamaño del ventrículo izquierdo, ecocardiografía
• Sistema vascular: ecografía carotídea, espesor de la íntima-media
• Hemodinámica: presión sistólica y diastólica bajo diferentes condiciones
• Estado hormonal: niveles de renina, aldosterona, catecolaminas
• Diagnóstico de laboratorio: función renal y hepática, electrolitos, análisis de orina

El algoritmo de aprendizaje automático procesa este mosaico y encuentra patrones ocultos. Comprende qué combinaciones de parámetros indican la efectividad de cada medicamento. El resultado: con precisión del 98%, el modelo predice cuál de los cinco medicamentos funcionará para este niño específico, incluso antes de la primera prescripción.

Descubrimientos de los Médicos en Números

Lo más interesante — el modelo descubrió relaciones estadísticas que los médicos habían sospechado durante años pero no podían demostrar rigurosamente. Por ejemplo, reveló una clara correlación entre el sobrepeso de un niño y la alta efectividad del Lisinopril en este subgrupo. Los médicos lo notaban en la práctica, pero no había documentación formal.

"Esto no es un reemplazo para un médico, sino una poderosa herramienta de apoyo," dice Adamson.

La decisión final sigue siendo responsabilidad del pediatra o cardiólogo. Pero ahora el especialista recibe una recomendación científicamente fundamentada en lugar de pura especulación.

Lo Que Esto Significa para la Pediatría

La investigación de Adamson demuestra cómo la inteligencia artificial se integra en la práctica médica real. En lugar de ensayo y error desorganizado, un médico tendrá un pronóstico personalizado basado en análisis de big data. Esto significa reducir el tiempo de selección de la terapia de meses a días, reducir períodos de presión descontrolada y disminuir el riesgo de complicaciones para cada paciente. La IA aquí no es un mago, sino un asistente que expande las capacidades diagnósticas y terapéuticas del médico.