Desarrollo y validación multicéntrica de criterios diagnósticos explicables mediante aprendizaje automático para la sepsis abdominal pediátrica

Por qué esto importa para los niños enfermos

Cuando un niño llega al hospital con dolor abdominal intenso e infección, los médicos deben decidir rápidamente quién está realmente en peligro. Si la sepsis abdominal —una infección potencialmente mortal en la región intestinal— pasa desapercibida o se reconoce demasiado tarde, los niños pueden entrar en fallo orgánico y el tratamiento puede dejar de ser eficaz. Este estudio describe una nueva herramienta informática, construida a partir de datos hospitalarios del mundo real, que ayuda a los médicos a detectar la sepsis abdominal en niños de forma más temprana y fiable, usando los análisis de sangre y los signos vitales que ya recogen cada día.

La amenaza oculta dentro del abdomen

La sepsis es una de las principales causas de muerte infantil en todo el mundo, y las infecciones que se originan en el abdomen están entre las formas más peligrosas. Las “reglas” y los sistemas de puntuación actuales para sepsis se diseñaron en gran medida para adultos y se centran mucho en problemas pulmonares y cardíacos. Para cuando esos signos empeoran en un niño, el daño en el abdomen, el hígado o los intestinos puede ser ya grave. Las herramientas pediátricas existentes también tienen dificultades para detectar la sepsis abdominal lo bastante pronto como para orientar una cirugía o un tratamiento agresivo a tiempo. Los autores sostienen que los niños con sospecha de enfermedad abdominal necesitan una herramienta diagnóstica diseñada específicamente para este tipo de infección.

Convertir pruebas rutinarias en una alarma inteligente

El equipo de investigación recopiló registros médicos electrónicos de más de 22.000 niños atendidos en un gran hospital pediátrico en China entre 2019 y 2023, centrándose en 6.566 pacientes con problemas abdominales como apendicitis u obstrucción intestinal. Dentro de este grupo, especialistas revisaron cuidadosamente historias clínicas, pruebas de imagen, intervenciones quirúrgicas, fármacos y notas de seguimiento para decidir qué niños tenían verdaderamente sepsis abdominal pediátrica (SAP). Emplearon un enfoque de “aprendizaje activo”: una pequeña muestra fue etiquetada por tres médicos con experiencia, se entrenó un modelo preliminar, y ese modelo sugirió nuevos casos inciertos para que los médicos los reexaminasen, refinando repetidamente el conjunto de datos y reduciendo los desacuerdos.

Nueve señales sencillas con gran poder predictivo

De entre docenas de valores de laboratorio y signos vitales medidos durante las primeras 24 horas de ingreso, los investigadores buscaron la combinación que mejor separara la sepsis de otras enfermedades abdominales. Finalmente seleccionaron nueve mediciones habituales: frecuencia cardiaca; recuento de glóbulos blancos; recuento absoluto de neutrófilos; una enzima hepática llamada γ‑glutamil transferasa; otra enzima hepática (AST); la proporción entre dos proteínas sanguíneas (albúmina y globulina); prealbúmina; nivel de calcio; y un marcador inflamatorio sensible conocido como proteína C reactiva de alta sensibilidad. Ninguna de estas pruebas es exótica: forman parte de la atención rutinaria; pero juntas conforman un patrón potente. Con estos nueve marcadores se compararon varios métodos de aprendizaje automático, y un modelo de bosque aleatorio (random forest) ofreció el rendimiento más fiable.

Una herramienta que funciona en varios hospitales

El modelo final, denominado ABSeD (Abdominal Sepsis Diagnosis), distinguió correctamente la SAP de otras enfermedades abdominales con alta precisión. En los datos del hospital original, su desempeño fue excelente y se mantuvo bien en la validación interna. Para comprobar si se generalizaba más allá de un único centro, el equipo creó una plataforma en línea y colectó prospectivamente datos de siete hospitales adicionales en la provincia de Zhejiang a comienzos de 2025. Entre 308 niños con confirmación clara por seguimiento o por cirugía, ABSeD volvió a mostrar resultados sólidos, identificando con precisión a la mayoría de los niños con sepsis abdominal y manteniendo una alta precisión —es decir, que cuando alertaba de sepsis, normalmente acertaba. El sistema también muestra cómo cada uno de los nueve marcadores influye en el juicio del modelo, ofreciendo a los médicos una visión transparente en lugar de una «caja negra» misteriosa.

Del modelo de investigación al asistente junto a la cama

Para hacer su trabajo usable en la práctica diaria, los autores crearon una interfaz web donde los clínicos introducen la edad del niño, datos básicos y los nueve valores de laboratorio. La herramienta devuelve una puntuación de riesgo y un desglose visual claro de qué medidas impulsaron el resultado, ayudando a los médicos a decidir si elevar el nivel de atención, solicitar pruebas de imagen o proceder a la cirugía. El estudio subraya tanto las promesas como las limitaciones del modelo: está pensado para niños que ya tienen sospecha de enfermedad abdominal, no para cribado universal, y hasta ahora solo se ha probado en una región y trasfondos étnicos concretos. Aun así, la herramienta ABSeD muestra cómo una inteligencia artificial cuidadosamente construida y explicable puede convertir pruebas de laboratorio ordinarias en un sistema de alerta temprana, con el potencial de salvar vidas infantiles al detectar la sepsis abdominal mortal antes de que sea demasiado tarde.

Cita: Cao, S., Cai, D., Zhang, S. et al. Development and multicenter validation of an explainable machine learning diagnostic criteria for pediatric abdominal sepsis. npj Digit. Med. 9, 312 (2026). https://doi.org/10.1038/s41746-026-02500-0

Palabras clave: sepsis pediátrica, infección abdominal, aprendizaje automático, diagnóstico temprano, soporte a la decisión clínica