Profesionales > Medicina
La IA reduce en casi dos horas la toma de decisión de ingreso en Urgencias
Un estudio analiza su papel tras analizar más de 154.000 visitas a este Servicio durante cinco años
Entrada a Urgencias de un hospital.
16 jun 2026. 06.30H
SE LEE EN 3 minutos
POR JUANMA FERNÁNDEZ
Un modelo de inteligencia artificial aplicado en el servicio de Urgencias ha mostrado potencial para reducir el tiempo hasta la decisión de ingreso hospitalario, según un estudio retrospectivo realizado con datos anonimizados del St. Antonius Hospital, en Países Bajos.
El trabajo, publicado en JMIR AI, evaluó un sistema de apoyo a la decisión clínica diseñado para predecir qué pacientes atendidos en urgencias acabarían ingresando en planta. Para ello, los investigadores analizaron 154.347 visitas registradas entre enero de 2018 y septiembre de 2023.
El modelo, basado en Extreme Gradient Boosting, actualizaba sus predicciones cada 10 minutos con la información disponible del paciente. Su objetivo era estimar la probabilidad de ingreso hospitalario y compararla con la decisión tomada finalmente por los profesionales sanitarios.
En el conjunto de prueba, integrado por 26.250 visitas a urgencias, el modelo alcanzó una precisión de 0,78 y una sensibilidad de 0,73. En los casos correctamente identificados como ingresos, la IA redujo la mediana del tiempo hasta la decisión en 111 minutos, con un rango intercuartílico de 59 a 169 minutos.
Los autores señalan que el tiempo mediano empleado por los profesionales para tomar la decisión de ingreso fue de 151 minutos. En la población de pacientes finalmente ingresados, esa mediana fue de 131 minutos. En cambio, el modelo de IA realizó una predicción correcta en una mediana de 20 minutos.
El estudio también observó diferencias entre grupos de pacientes. El mayor impacto clínico se registró en pacientes de mayor edad, especialmente entre los grupos de 78 a 87 años y de 88 años o más. Por especialidades, Neumología y Aparato Digestivo y Hepatología fueron las áreas en las que el modelo mostró un equilibrio más favorable entre precisión y sensibilidad.
En cuanto a los niveles de triaje, el sistema funcionó especialmente bien en los pacientes más críticos, clasificados como U0 y U1. Sin embargo, los autores detectaron más dificultades en categorías intermedias como U3 y U4, donde se produjeron más falsos positivos y falsos negativos.
Los investigadores concluyen que la integración de sistemas de apoyo a la decisión basados en IA podría acelerar la toma de decisiones en urgencias, reducir la presión asistencial y contribuir a mejorar la atención al paciente. No obstante, advierten de que estos resultados proceden de un análisis retrospectivo y deben validarse en estudios prospectivos en condiciones reales de práctica clínica.
Entre las limitaciones, el trabajo apunta que el modelo no incorporó resultados de imagen radiológica, gasometrías, notas clínicas en texto libre ni datos de citas previas. Los autores también señalan que una predicción falsa de ingreso podría generar trabajo adicional para los equipos, aunque en el contexto del hospital analizado no se consideró que tuviera consecuencias clínicas significativas.
En todo caso, el estudio concluye que la herramienta ofrece una vía prometedora para apoyar a los profesionales en urgencias, especialmente en contextos de presión asistencial, pero subraya que su utilidad real deberá comprobarse mediante nuevas investigaciones prospectivas.
El trabajo, publicado en JMIR AI, evaluó un sistema de apoyo a la decisión clínica diseñado para predecir qué pacientes atendidos en urgencias acabarían ingresando en planta. Para ello, los investigadores analizaron 154.347 visitas registradas entre enero de 2018 y septiembre de 2023.
El modelo, basado en Extreme Gradient Boosting, actualizaba sus predicciones cada 10 minutos con la información disponible del paciente. Su objetivo era estimar la probabilidad de ingreso hospitalario y compararla con la decisión tomada finalmente por los profesionales sanitarios.
En el conjunto de prueba, integrado por 26.250 visitas a urgencias, el modelo alcanzó una precisión de 0,78 y una sensibilidad de 0,73. En los casos correctamente identificados como ingresos, la IA redujo la mediana del tiempo hasta la decisión en 111 minutos, con un rango intercuartílico de 59 a 169 minutos.
Los autores señalan que el tiempo mediano empleado por los profesionales para tomar la decisión de ingreso fue de 151 minutos. En la población de pacientes finalmente ingresados, esa mediana fue de 131 minutos. En cambio, el modelo de IA realizó una predicción correcta en una mediana de 20 minutos.
El estudio también observó diferencias entre grupos de pacientes. El mayor impacto clínico se registró en pacientes de mayor edad, especialmente entre los grupos de 78 a 87 años y de 88 años o más. Por especialidades, Neumología y Aparato Digestivo y Hepatología fueron las áreas en las que el modelo mostró un equilibrio más favorable entre precisión y sensibilidad.
En cuanto a los niveles de triaje, el sistema funcionó especialmente bien en los pacientes más críticos, clasificados como U0 y U1. Sin embargo, los autores detectaron más dificultades en categorías intermedias como U3 y U4, donde se produjeron más falsos positivos y falsos negativos.
La IA, una aliada de Urgencias con incógnitas
Los investigadores concluyen que la integración de sistemas de apoyo a la decisión basados en IA podría acelerar la toma de decisiones en urgencias, reducir la presión asistencial y contribuir a mejorar la atención al paciente. No obstante, advierten de que estos resultados proceden de un análisis retrospectivo y deben validarse en estudios prospectivos en condiciones reales de práctica clínica.
Entre las limitaciones, el trabajo apunta que el modelo no incorporó resultados de imagen radiológica, gasometrías, notas clínicas en texto libre ni datos de citas previas. Los autores también señalan que una predicción falsa de ingreso podría generar trabajo adicional para los equipos, aunque en el contexto del hospital analizado no se consideró que tuviera consecuencias clínicas significativas.
En todo caso, el estudio concluye que la herramienta ofrece una vía prometedora para apoyar a los profesionales en urgencias, especialmente en contextos de presión asistencial, pero subraya que su utilidad real deberá comprobarse mediante nuevas investigaciones prospectivas.
Aunque pueda contener afirmaciones, datos o apuntes procedentes de instituciones o profesionales sanitarios, la información contenida en Redacción Médica está editada y elaborada por periodistas. Recomendamos al lector que cualquier duda relacionada con la salud sea consultada con un profesional del ámbito sanitario.