Análisis mediante aprendizaje automático de s-EASIX para predecir la mortalidad a 30 días en pacientes con sepsis a partir de MIMIC-IV

Por qué esto importa para los pacientes con infecciones graves

La sepsis, una reacción potencialmente mortal frente a una infección, causa la muerte de millones de personas en todo el mundo cada año, a menudo en cuestión de días tras ingresar en una unidad de cuidados intensivos (UCI). Los médicos necesitan con urgencia mejores formas de identificar qué pacientes están avanzando silenciosamente hacia la insuficiencia orgánica, incluso cuando las pruebas de laboratorio habituales sólo muestran alteraciones leves. Este estudio presenta un índice sanguíneo simple, monitorizado a lo largo del tiempo en lugar de en un único momento, y demuestra que su patrón de cambio puede predecir quién tiene mayor riesgo de morir en 30 días. Al combinar la ciencia de datos moderna con resultados de laboratorio de uso rutinario, el trabajo apunta hacia tratamientos más tempranos y personalizados para la sepsis.

Una puntuación simple a partir de análisis de sangre cotidianos

La investigación se centra en una medida denominada índice simplificado de activación y estrés endotelial, o s-EASIX. Se calcula usando solo dos resultados rutinarios de sangre: lactato deshidrogenasa (LDH), un indicador de daño celular y estrés metabólico, y plaquetas, los pequeños fragmentos celulares que ayudan a la coagulación. Juntos, estos valores reflejan el grado de lesión del revestimiento interno de los vasos sanguíneos —el endotelio— durante la sepsis. Cuando este revestimiento falla, el flujo sanguíneo por los vasos más pequeños del cuerpo se altera, los órganos se hinchan o sangran y el riesgo de muerte aumenta bruscamente. A diferencia de muchas moléculas experimentales que requieren métodos de laboratorio costosos, s-EASIX puede calcularse a partir de pruebas que los hospitales ya realizan para casi todos los pacientes en la UCI.

Seguir las subidas y bajadas de la puntuación a lo largo del tiempo

En lugar de preguntar cuál es el s-EASIX el día del ingreso en la UCI, los autores examinaron cómo cambia durante el primer mes de la enfermedad. Utilizando la gran base de datos pública MIMIC-IV de registros de cuidados intensivos, identificaron a 8.113 adultos con sepsis que tenían al menos tres mediciones de LDH y plaquetas. Con una técnica estadística que agrupa a los pacientes por patrones temporales similares, descubrieron cinco “trayectorias” distintas de s-EASIX: un grupo bajo-estable, un grupo medio-estable, un grupo alto pero que cae rápidamente, un grupo medio que sube de forma sostenida y un grupo muy alto que disminuye solo lentamente. Estos patrones capturaron la lucha continua entre la infección, la inflamación, la lesión vascular y la capacidad del organismo para recuperarse.

Qué patrones indican peligro

Cuando los investigadores vincularon estas cinco trayectorias con la supervivencia, las diferencias fueron notables. Los pacientes cuyo s-EASIX comenzó alto pero bajó rápidamente en los días siguientes terminaron con tasas de muerte a 30 días similares a las de quienes mantuvieron puntuaciones bajas o moderadas a lo largo del tiempo. En contraste, dos trayectorias resultaron especialmente ominosas: una puntuación de nivel medio que seguía aumentando y una puntuación muy alta que solo cedía ligeramente. Tras ajustar por edad, gravedad de la enfermedad, tratamientos de soporte orgánico y muchos otros factores, estos dos grupos presentaron aproximadamente entre dos y tres veces más riesgo de morir en 30 días que el grupo bajo-estable. La relación se mantuvo tanto en hombres como en mujeres, en pacientes con y sin ventilación mecánica, y con independencia de si recibieron fármacos anticoagulantes. Los adultos más jóvenes con estas trayectorias “malas” mostraron un riesgo particularmente elevado, lo que sugiere que una respuesta inmune potente pero desordenada puede estar desbordando sus vasos sanguíneos.

Enseñar a las máquinas a detectar patrones de riesgo

Para comprobar si los ordenadores podían usar las trayectorias de s-EASIX para mejorar aún más la predicción, el equipo construyó varios modelos de aprendizaje automático que combinaron la clase de trayectoria con otros datos clínicos. Entrenaron y evaluaron seis enfoques diferentes y encontraron que un método llamado LightGBM fue el de mejor rendimiento. En el grupo de validación de pacientes, este modelo distinguió con alta precisión y buena calibración a los supervivientes de los no supervivientes, lo que significa que sus probabilidades estimadas coincidían de forma fiable con lo que realmente ocurrió. A continuación se empleó una técnica separada, análisis SHAP, para abrir esta «caja negra» y revelar qué entradas impulsaban las decisiones del modelo. La trayectoria de s-EASIX surgió como una de las características individuales más influyentes, junto con la edad y una puntuación global de fallo orgánico, subrayando su papel central en la valoración del riesgo por sepsis.

Qué implica esto para la atención junto a la cama del paciente

Para no especialistas, el mensaje es que cómo se mueve a lo largo del tiempo una simple puntuación de estrés basada en sangre cuenta una historia más potente que cualquier lectura aislada. Un s-EASIX persistentemente alto o en aumento sostenido sugiere que los vasos sanguíneos están bajo ataque continuo, que la microcirculación está fallando y que los órganos se acercan al colapso —mucho antes de que esto sea evidente en los signos vitales rutinarios. En principio, seguir esta trayectoria podría ayudar a los equipos de la UCI a identificar antes a los pacientes de alto riesgo, ajustar la intensidad del monitoreo y la terapia, y posiblemente cambiar tratamientos que afectan la coagulación y la salud vascular. Aunque el estudio es retrospectivo y se basa en datos de un único sistema hospitalario, y aún necesita validación externa, pone de relieve una herramienta prometedora y fácilmente accesible para convertir números de laboratorio en un sistema de alerta temprana para la sepsis.

Cita: Kong, Z., Liu, Y., Chen, H. et al. Machine learning analysis of s-EASIX for predicting 30-day mortality in sepsis patients from MIMIC-IV. Sci Rep 16, 8842 (2026). https://doi.org/10.1038/s41598-026-40400-1

Palabras clave: sepsis, disfunción endotelial, predicción de riesgo, aprendizaje automático, cuidados críticos