Marco pronóstico multimodal contrastivo para la predicción temprana del resultado neurológico en pacientes tras paro cardiorrespiratorio

Por qué importa el pronóstico neurológico temprano tras un paro cardiorrespiratorio

Tras un paro cardiorrespiratorio súbito, muchas personas son resucitadas pero permanecen inconscientes, lo que deja a las familias y a los clínicos en una incertidumbre angustiosa sobre si el cerebro se recuperará. Las guías actuales a menudo retrasan predicciones firmes hasta pasados tres días o más, aunque decisiones críticas sobre la intensidad del tratamiento, el uso de recursos y las expectativas familiares deben tomarse mucho antes. Este estudio explora si la inteligencia artificial puede usar de forma segura la información ya disponible en las primeras horas tras la resucitación para ofrecer una visión más clara y temprana sobre la probabilidad de recuperación cerebral.

Una mirada más profunda al problema

El paro cardiorrespiratorio súbito afecta a cientos de miles de personas cada año en Estados Unidos, y la supervivencia con recuperación cerebral significativa sigue siendo poco frecuente. Tras la restauración del flujo sanguíneo, muchos pacientes permanecen en coma por la falta de oxígeno en el cerebro. Los médicos pueden examinar las pupilas y los movimientos, revisar los trazados electroencefalográficos, medir marcadores sanguíneos y analizar exploraciones cerebrales, pero cada una de estas herramientas por sí sola es imperfecta. La sedación, las limitaciones del equipo y resultados de pruebas contradictorios contribuyen a la incertidumbre. Debido a estos desafíos, muchos hospitales esperan al menos 72 horas antes de ofrecer un pronóstico firme, dejando un vacío en el periodo temprano cuando se decide el curso del tratamiento.

Una nueva forma de combinar exploraciones y datos de cabecera

Para abordar este vacío, los investigadores desarrollaron un sistema de IA multimodal llamado CLAIR que mezcla tomografías computarizadas cerebrales con información clínica rutinaria para predecir la puntuación del Cerebral Performance Category, una medida estándar del resultado neurológico al alta hospitalaria. CLAIR no se limita a una sola imagen o a un único valor. En su lugar, incorpora reconstrucciones de TC desde tres vistas de la cabeza junto con datos como la edad, el tiempo hasta la recuperación del latido cardíaco, la temperatura corporal, marcadores de laboratorio y los resultados de pruebas eléctricas cerebrales cuando están disponibles. Una arquitectura especializada permite que las características de imagen y las características clínicas «presten atención» entre sí, de modo que el significado de una exploración se interpreta en el contexto clínico completo.

Cómo probó el estudio el modelo

El equipo analizó de forma retrospectiva a 208 adultos que sufrieron un paro cardiorrespiratorio y al menos una TC craneal en un único centro médico entre 2020 y 2022. Se excluyeron pacientes a los que se retiró el soporte vital por razones no cerebrales para centrarse en los resultados neurológicos. En total se recopilaron 306 TC, pero de forma crucial, las pruebas principales de CLAIR utilizaron solo exploraciones obtenidas dentro de las primeras 24 horas tras el paro, con una mediana de tiempo de poco más de tres horas. Los datos se dividieron por paciente en conjuntos de entrenamiento, validación y prueba para evitar solapamientos. CLAIR se entrenó y evaluó en dos versiones: una que utilizaba solo la información disponible pronto tras el ingreso y otra que también incluía resultados de pruebas posteriores recogidos durante la estancia hospitalaria.

Qué tan bien funcionó CLAIR

Las predicciones de CLAIR se compararon con las de un potente modelo de aprendizaje profundo basado solo en imágenes y con las valoraciones de dos neurólogos experimentados. Cuando recibió tanto TC multi‑vista como datos clínicos tempranos, CLAIR alcanzó un área bajo la curva ROC de 0,94, claramente superior al enfoque basado solo en TC, que llegó aproximadamente a 0,80. Esto significa que CLAIR distinguió mejor a los pacientes que acabarían con buena función cerebral de los que no. Ambas versiones de CLAIR mostraron alta precisión, sensibilidad y especificidad. En un ejercicio aparte con 20 casos especialmente difíciles, tanto los evaluadores humanos como la IA cometieron algunos errores, pero los clínicos que pudieron ver las predicciones de CLAIR cometieron menos errores pronósticos que cuando trabajaron solos, lo que sugiere que la herramienta puede actuar como una segunda opinión útil en lugar de reemplazar el juicio experto.

Qué podría significar esto para pacientes y familias

El estudio muestra que un sistema de IA que analiza conjuntamente las TC cerebrales tempranas y los datos clínicos en la cabecera puede ofrecer pronósticos tempranos del resultado neurológico tras un paro cardiorrespiratorio más precisos que los métodos basados solo en imágenes. Aunque el trabajo se basa en un conjunto de datos de un solo centro y de tamaño moderado y necesita confirmación en poblaciones más grandes y diversas, apunta a un futuro en el que médicos y familias no tengan que esperar días para disponer de una imagen bien informada sobre la probabilidad de recuperación. Usadas con cuidado y junto al criterio clínico, estas herramientas podrían apoyar decisiones más oportunas y reflexivas sobre el tratamiento continuado, la comunicación con los allegados y el uso justo de los recursos de cuidados intensivos.

Cita: Kasturi, A., Proctor, A.R., Vosoughi, A. et al. Multimodal contrastive prognostication framework for early neurological outcome prediction in post-cardiac arrest patients. Sci Rep 16, 15582 (2026). https://doi.org/10.1038/s41598-026-45573-3

Palabras clave: paro cardiorrespiratorio, resultado neurológico, TC cerebral, inteligencia artificial, pronóstico