Herramientas de IA ayudan a predecir riesgos de asma grave en niños pequeños

• Un estudio de Mayo Clinic ha identificado un subtipo de asma infantil asociado a un riesgo elevado de infecciones respiratorias y crisis graves.

Científicos de Mayo Clinic han creado sistemas de inteligencia artificial (IA) capaces de predecir qué niños con asma tienen más probabilidades de sufrir crisis severas o infecciones respiratorias agudas. Según un estudio publicado en la revista Journal of Allergy and Clinical Immunology, estas herramientas pueden identificar dichos riesgos desde los tres años de edad.

El estudio forma parte de Precure, una iniciativa estratégica de Mayo Clinic enfocada en anticipar y evitar el avance de enfermedades graves. Mediante el uso de tecnologías innovadoras y análisis poblacionales, Precure busca brindar atención preventiva personalizada a los pacientes antes de que los síntomas o complicaciones se manifiesten.

De acuerdo con las estadísticas de salud global, el asma afecta a cerca de 262 millones de personas en todo el mundo. Esta enfermedad representa una de las principales causas de ausentismo escolar y laboral, así como de visitas a emergencias y hospitalizaciones. Las infecciones respiratorias suelen ser el detonante más frecuente de las crisis asmáticas; sin embargo, los síntomas pueden variar considerablemente y evolucionar con el tiempo. Esta variabilidad complica la tarea de los médicos para identificar a los niños con mayor riesgo, una brecha que las nuevas herramientas de inteligencia artificial buscan cerrar.

"Este estudio nos acerca un paso más a la medicina de precisión en el asma infantil, donde la atención pasa de ser reactiva ante el asma grave avanzada a centrarse en la prevención y la detección precoz de pacientes de alto riesgo," dice el Maestro en Salud Pública y Dr. Young Juhn, profesor de pediatría en Mayo Clinic y autor principal del estudio.

Para llevar a cabo la investigación, los científicos analizaron los registros médicos electrónicos de más de 22 000 niños nacidos entre 1997 y 2016 en el sureste de Minnesota. Con el fin de procesar esta gran cantidad de información, desarrollaron herramientas de inteligencia artificial basadas en aprendizaje automático y procesamiento del lenguaje natural, capaces de extraer y analizar información relevante directamente de las notas clínicas.

Las herramientas desarrolladas permitieron recopilar información detallada sobre los síntomas y antecedentes familiares de los pacientes, lo que posibilitó al equipo aplicar dos de los métodos diagnósticos más utilizados para detectar asma en la infancia: los Criterios de Asma Predeterminados y el Índice Predictivo del Asma. Estas listas ayudan a los médicos a evaluar signos como tos persistente, sibilancias o afecciones alérgicas. Los niños que cumplían ambos criterios conformaron un grupo con un riesgo significativamente mayor de sufrir complicaciones graves.

Al comparar este grupo con el resto de los participantes, los investigadores observaron diferencias notables. A los tres años de edad, estos niños presentaban más del doble de episodios de neumonía y casi el triple de casos de influenza. Además, registraban las tasas más altas de crisis asmáticas que requerían tratamiento con esteroides, atención en urgencias o hospitalización. También se detectó una mayor incidencia de infecciones por virus respiratorio sincitial (VRS) durante los primeros años de vida.

Los niños del grupo de alto riesgo compartían antecedentes familiares de asma, eccema, rinitis alérgica o alergias alimentarias. Análisis previos revelaron en ellos marcadores de inflamación alérgica, como niveles elevados de eosinófilos, IgE específica para alérgenos y periostina —indicador de inflamación de tipo 2—, además de una función pulmonar reducida. En conjunto, estos hallazgos describen un subtipo de asma particularmente vulnerable a las infecciones respiratorias y a crisis severas.

El equipo planea ahora validar las herramientas en entornos clínicos más amplios y con poblaciones diversas, con la meta de integrarlas a datos biológicos que permitan mejorar la identificación temprana y el tratamiento de los distintos subtipos de asma.

Asimismo, los investigadores están diseñando un nuevo estudio para evaluar un compuesto que podría reducir la hiperactividad del sistema inmunitario asociada al asma. A través de modelos celulares cultivados en laboratorio, conocidos como organoides, buscan desarrollar métodos que permitan detectar y prevenir el asma infantil de forma más temprana y a gran escala.