La Inteligencia Artificial (IA) está revolucionando el diagnóstico y tratamiento de la hepatitis C, una infección viral que afecta al hígado y que, a pesar de los avances en tratamiento, aún presenta desafíos en su detección y erradicación. En el 50 Congreso de la Asociación Española para el Estudio del Hígado (AEEH), diversos estudios presentaron modelos predictivos y estrategias innovadoras basadas en IA para la identificación temprana de casos no diagnosticados.
Modelos predictivos de IA
De hecho, uno de los avances más significativos en la lucha contra la hepatitis C ha sido el desarrollo de un modelo predictivo de IA en Andalucía, basado en datos reales de la Base Poblacional de Salud (BPS), que contiene registros médicos electrónicos de más de 15 millones de pacientes.
Los resultados mostraron que la IA identificó con éxito el 84% de los casos con una sensibilidad del 0.15, superando ampliamente la detección convencional
El estudio utilizó algoritmos de aprendizaje automático, seleccionando XGBoost (eXtreme Gradient Boosting) como el modelo más preciso para identificar casos no diagnosticados. Se analizaron datos de 6.078 pacientes con hepatitis C y 121.560 controles negativos. Los resultados mostraron que la IA identificó con éxito el 84% de los casos con una sensibilidad del 0.15, superando ampliamente la detección convencional, que apenas alcanzó una sensibilidad del 0.007. Estos hallazgos sugieren que el cribado basado en IA es más eficiente que las estrategias convencionales basadas en edad y factores de riesgo.
Automatización del cribado
Asimismo, otra estrategia evaluada fue la técnica de "pooling" en el área sanitaria de Valladolid Oeste. Esta técnica agrupa muestras de varios pacientes y realiza una prueba única para detectar la presencia del virus de la hepatitis C, reduciendo costos y optimizando la identificación de casos.
Los resultados fueron concluyentes: la prevalencia de infección activa en esta población fue del 1,9%, significativamente mayor que la observada en la población general (0,2%)
El estudio incluyó todas las analíticas con alteración de las transaminasas realizadas en Atención Primaria y Hospitalaria entre enero y octubre de 2024. Las muestras con niveles elevados fueron sometidas a pruebas de PCR agrupadas, y en caso de resultados positivos, se emitieron alertas a los médicos responsables para su seguimiento inmediato.
Los resultados fueron concluyentes: la prevalencia de infección activa en esta población fue del 1,9%, significativamente mayor que la observada en la población general (0,2%). Esto confirma la eficacia del cribado automatizado mediante pooling para detectar casos de hepatitis C en pacientes con transaminasas elevadas, facilitando su tratamiento oportuno y contribuyendo a la microeliminación de la enfermedad en áreas específicas.
Sistemas de alertas coordinados
En Barcelona, un estudio evaluó la implementación de un sistema de alertas automatizado coordinado por enfermería para mejorar la detección y seguimiento de pacientes con hepatitis C. Mediante el uso de un software que genera reportes diarios de nuevos casos positivos, se optimizó la identificación y vinculación de los pacientes a tratamientos especializados.
Desde su implementación en enero de 2023, el sistema identificó 205 casos de infección activa, de los cuales se logró hacer seguimiento a 188 pacientes (92%)
Desde su implementación en enero de 2023, el sistema identificó 205 casos de infección activa, de los cuales se logró hacer seguimiento a 188 pacientes (92%). Entre estos, 74 fueron derivados al servicio de hepatología y 65 (87,8%) iniciaron tratamiento antiviral. A pesar de que un pequeño porcentaje de pacientes rechazó el tratamiento o lo abandonó, la tasa de curación alcanzó el 95,5% en aquellos que completaron el seguimiento.
Estos resultados confirman que un sistema de alertas automatizado y coordinado por enfermería es altamente efectivo para reducir la tasa de pacientes no diagnosticados y mejorar la accesibilidad a tratamientos curativos.
50 Congreso de la AEEH
Los avances presentados en el 50 Congreso de la AEEH destacan el potencial de la Inteligencia Artificial y la automatización en la eliminación de la hepatitis C. La combinación de modelos predictivos basados en IA, cribado automatizado mediante pooling y sistemas de alerta eficientes pueden optimizar la detección y el tratamiento de la enfermedad, reduciendo su incidencia y acercando a España al objetivo de eliminación establecido por la OMS para 2030.
La combinación de modelos predictivos basados en IA está reduciendo su incidencia y acercando a España al objetivo de eliminación establecido por la OMS para 2030
El uso de estas estrategias innovadoras no solo mejora la eficiencia en la identificación de casos no diagnosticados, sino que también facilita la implementación de programas de microeliminación adaptados a las necesidades de cada población. Con la integración de estas herramientas en el sistema sanitario, la eliminación de la hepatitis C podría convertirse en un logro histórico en salud pública.
