Rendimiento comparativo de los LLM y el aprendizaje automático en la predicción de complicaciones tras la cifoplastia percutánea por fracturas por compresión vertebral osteoporóticas

Por qué esto importa para personas con columna frágil

A medida que más personas llegan a edades avanzadas, las dolorosas fracturas de columna causadas por el adelgazamiento óseo se vuelven comunes. Un tratamiento muy usado, la cifoplastia percutánea, puede aliviar el dolor rápidamente, pero también puede provocar efectos secundarios no deseados. Este estudio plantea si las herramientas modernas de inteligencia artificial, incluidos modelos de lenguaje grandes similares a los chatbots populares, pueden ayudar a los médicos a predecir qué pacientes tienen más probabilidades de desarrollar estas complicaciones tras el tratamiento.

El problema de la columna y su solución habitual

Las fracturas por compresión vertebral osteoporóticas ocurren cuando los huesos debilitados de la columna colapsan, a menudo tras una caída leve o incluso por actividades diarias simples. La cifoplastia percutánea busca estabilizar estos huesos fracturados insertando un balón y rellenando el espacio con cemento óseo, lo que suele reducir el dolor y restaurar algo de altura en la vértebra comprimida. Sin embargo, el cemento puede a veces filtrarse fuera del hueso, y meses después pueden aparecer nuevas fracturas en otros niveles vertebrales. Estas complicaciones pueden causar problemas graves, como daño nervioso, complicaciones pulmonares y dolor persistente, por lo que los médicos desean herramientas que identifiquen a los pacientes de alto riesgo antes de la cirugía.

Modelos informáticos tradicionales y juicio humano

Antes del auge de los modelos de lenguaje grandes, los investigadores desarrollaron sistemas de aprendizaje automático tradicionales que aprendían patrones a partir de historiales clínicos y exploraciones. Estos sistemas pueden estimar la probabilidad de fuga de cemento o de nuevas fracturas combinando muchos detalles, como la edad, la densidad ósea, la morfología de la fractura y cómo se distribuye el cemento. Al mismo tiempo, los cirujanos de columna experimentados forman sus propios juicios al revisar la misma información. Aunque estos modelos más antiguos suelen rendir bien, requieren entrenamiento cuidadoso, experiencia técnica y recursos informáticos, lo que puede limitar su uso en hospitales cotidianos.

Poner a prueba a los chatbots

En este estudio, los investigadores reunieron datos de más de mil pacientes tratados con cifoplastia en un gran hospital de Pekín. Para cada paciente registraron información clínica e imagenológica estándar y luego pidieron a dos modelos de lenguaje grandes, a un conjunto de modelos tradicionales de aprendizaje automático y a dos cirujanos de columna que predijeran si el cemento óseo se filtraría y si aparecerían nuevas fracturas más adelante. Los chatbots se evaluaron de dos formas. En un escenario zero-shot, simplemente se les daban los detalles del caso y se les pedía una predicción. En un escenario few-shot, primero se les mostraba un pequeño conjunto de casos de ejemplo con resultados conocidos, para ver si aprender de esos ejemplos mejoraba sus respuestas.

Qué acertaron y qué fallaron computadoras y cirujanos

Para predecir la fuga de cemento poco después de la cirugía, los modelos de lenguaje grandes se comportaron razonablemente bien. Sus resultados fueron similares a los de los mejores modelos informáticos tradicionales y algo mejores que los de los cirujanos actuando por sí solos. En cuanto a la predicción de nuevas fracturas meses después, sin embargo, los chatbots tuvieron dificultades. Sus primeros intentos fueron pobres y mostraron un sesgo marcado hacia asumir que casi todos sufrirían una nueva fractura. Proporcionar casos de ejemplo ayudó en cierta medida, pero el aprendizaje automático tradicional, especialmente un modelo llamado máquina de vectores de soporte, siguió siendo más fiable. Los chatbots también fallaron cuando se les pidió identificar subtipos específicos de complicaciones, como el lugar exacto de la fuga de cemento o qué vértebra se fracturaría a continuación.

Ayuda para los médicos, pero aún no una herramienta independiente

Un hallazgo interesante fue que los cirujanos en ocasiones se beneficiaron de ver las explicaciones de los chatbots, pero solo en tareas donde los modelos ya tenían un rendimiento razonable. Cuando las predicciones subyacentes eran débiles, como en las fracturas a largo plazo, las explicaciones no mejoraron las decisiones de los médicos. En conjunto, el estudio muestra que los modelos de lenguaje grandes actuales pueden ofrecer apoyo útil para ciertos riesgos a corto plazo tras la cifoplastia, pero aún no son lo bastante fiables como para reemplazar los modelos informáticos existentes o el juicio experto. Por ahora, deben considerarse ayudantes iniciales que aún necesitan afinamiento, mejor entrenamiento con datos médicos y una integración más estrecha con las herramientas de imagen antes de que puedan orientar con seguridad la atención real de la columna.

Cita: Wang, T., Chen, R., Liang, M. et al. Comparative performance of LLMs and machine learning in predicting complications after percutaneous kyphoplasty for osteoporotic vertebral compression fractures. npj Digit. Med. 9, 401 (2026). https://doi.org/10.1038/s41746-026-02588-4

Palabras clave: fracturas vertebrales por osteoporosis, cifoplastia percutánea, modelos de lenguaje grandes, aprendizaje automático en medicina, predicción de riesgo quirúrgico