Predicción de reacciones cutáneas adversas asociadas a antibióticos mediante modelos base de registros electrónicos de salud

Por qué importa predecir las erupciones por fármacos

Quien haya sufrido una erupción tras tomar un medicamento sabe lo alarmante que puede ser. La mayoría de las veces estas reacciones cutáneas son leves y desaparecen por sí solas. Pero en casos raros pueden evolucionar a afecciones potencialmente mortales que dañan grandes extensiones de piel y requieren cuidados intensivos. Los antibióticos están entre los fármacos más frecuentemente asociados a estas reacciones, y sin embargo los médicos no disponen hoy de un método fiable para saber de antemano qué pacientes tienen mayor riesgo. Este estudio explora si los patrones ocultos en los registros rutinarios hospitalarios pueden ayudar a predecir quién probablemente desarrollará una reacción cutánea relacionada con antibióticos antes de que ocurra.

Reacciones cutáneas por medicamentos

Los problemas de piel son el efecto secundario visible más común de los medicamentos. Van desde manchas rojas pruriginosas hasta trastornos peligrosos como el síndrome de Stevens–Johnson y la necrólisis epidérmica tóxica, que pueden ser fatales. Los antibióticos, en especial tipos de uso extensivo como las penicilinas y fármacos relacionados, son desencadenantes frecuentes. Aunque estas reacciones severas son poco comunes, cualquier reacción grave a un fármaco puede alargar estancias hospitalarias, aumentar costes y, en los peores casos, causar la muerte. A pesar de esta carga, no existe una prueba de cribado estándar que los hospitales puedan aplicar a todos los pacientes para predecir reacciones cutáneas adversas a medicamentos, en particular las vinculadas a antibióticos.

Convertir los registros hospitalarios en pistas

Los hospitales modernos almacenan enormes cantidades de información en registros electrónicos de salud: diagnósticos, analíticas de sangre, fármacos prescritos y procedimientos, a menudo recogidos durante años. En este estudio, los investigadores trataron estas largas secuencias de códigos médicos como si fueran líneas de texto en un documento. Utilizaron “modelos base” tomados de la tecnología del lenguaje: sistemas que aprenden patrones generales a partir de grandes conjuntos de datos y que luego pueden ajustarse para tareas específicas. El equipo analizó registros de más de 800.000 pacientes ingresados adultos en tres grandes hospitales coreanos que permanecieron al menos tres días y recibieron antibióticos. Para detectar las reacciones cutáneas de forma fiable no se limitaron a los códigos de diagnóstico; también extrajeron información de las notas de enfermería y de enunciados estructurados de enfermería que registraban observaciones como la presencia de erupción o urticaria.

Construcción y evaluación del modelo predictivo

Los investigadores compararon varios enfoques, desde métodos clásicos de aprendizaje automático como bosques aleatorios hasta redes profundas y tres modelos base distintos para registros de salud. Para cada paciente, los modelos debían decidir, en el momento de la última prescripción de antibiótico, si se produciría una reacción cutánea en un corto plazo. Entre todos los métodos, un modelo llamado CDM-BERT, adaptado específicamente al formato de datos común utilizado por los hospitales, obtuvo el mejor rendimiento. Distinguió correctamente los casos futuros de erupción de los no casos con una precisión muy alta en el hospital donde se entrenó, y mantuvo un rendimiento sólido cuando se aplicó, sin ajustes adicionales, a los otros dos hospitales cuyos datos diferían algo.

Qué aprendió el modelo sobre el riesgo

Para comprobar si el modelo atendía a información médicamente significativa y no a ruido aleatorio, el equipo examinó qué partes del registro influyeron más en sus decisiones. Se asignó mayor importancia a condiciones conocidas por asociarse a reacciones a fármacos—como cáncer, enfermedad renal crónica y enfermedad hepática crónica—y a determinadas categorías de fármacos, incluidos antibióticos y anticonvulsivantes. Curiosamente, en un hospital donde los códigos de medicamentos no coincidían con los del centro de entrenamiento, el modelo siguió funcionando bien apoyándose más en los resultados de laboratorio y en el historial de enfermedades, lo que demuestra que puede adaptarse a distintos entornos de datos. Los investigadores también dividieron las reacciones en “inmediatas” (que ocurren poco después de una dosis) y “retardadas” (que aparecen tras una exposición más prolongada). El modelo mostró mayor confianza y estabilidad al predecir reacciones retardadas, que hoy son las más difíciles de prever con pruebas tradicionales.

Límites, desafíos y próximos pasos

Aunque el rendimiento del modelo es prometedor, aún no identifica qué antibiótico exacto es responsable, ni puede distinguir erupciones leves de las raras pero devastadoras reacciones cutáneas severas que requieren atención especializada urgente. El estudio además incluyó hospitales de un solo país, y existieron complejidades técnicas como diferencias en los sistemas de codificación de fármacos y la necesidad de usar búsquedas basadas en reglas en informes de enfermería en texto libre. Además, traducir los patrones internos de “atención” del modelo a reglas clínicas simples sigue siendo difícil, y el enfoque se centró principalmente en problemas cutáneos relativamente leves más que en el espectro completo de reacciones severas.

Qué significa esto para pacientes y clínicos

Este trabajo muestra que, combinando con cuidado los datos rutinarios hospitalarios con observaciones de enfermería, modelos informáticos avanzados pueden estimar el riesgo de un paciente de desarrollar una reacción cutánea relacionada con antibióticos, especialmente las reacciones de aparición más lenta que carecen de pruebas de laboratorio fiables. En la práctica, una herramienta así podría ayudar a los médicos a identificar a pacientes de mayor riesgo para una vigilancia más estrecha, elegir fármacos alternativos o adoptar dosis más cautelosas, mientras que la mayoría de los pacientes recibiría la atención estándar. El estudio supone un paso hacia la transformación del “exceso digital” de la práctica médica diaria en una red de seguridad que detecte reacciones adversas graves antes de que se manifiesten en la piel.

Cita: Kim, J., Kim, K., Yun, JE. et al. Prediction of antibiotic-associated cutaneous adverse drug reactions using electronic health record foundation models. npj Digit. Med. 9, 311 (2026). https://doi.org/10.1038/s41746-026-02503-x

Palabras clave: efectos secundarios de antibióticos, erupción cutánea inducida por fármacos, historiales clínicos electrónicos, predicción médica con IA, reacciones adversas a medicamentos