La IA solo necesita una foto del móvil para decidir quién va a morir en urgencias
Una red neuronal entrenada con 27.660 caras de pacientes daneses detecta enfermos graves a los que el hospital había clasificado como leves.
Al llegar a urgencias en Dinamarca, a muchos pacientes les hacen una foto de la cara con el móvil y la guardan en su historia clínica. Nadie sigue un protocolo ni cuida la luz o el encuadre. Con 27.660 de esas fotos, tomadas entre 2016 y 2024 a pacientes con una mediana de edad de 73 años, un equipo de la Universidad de Copenhague y el Hospital Universitario de Copenhague ha entrenado una red neuronal que calcula el riesgo de morir. El sistema acierta más que el nivel de triaje, que las escalas de alerta precoz, que las constantes vitales, que la analítica de sangre y que la edad aparente de la cara. El trabajo se publicó el 19 de noviembre en Nature Communications.
La red no intenta averiguar cuántos años tiene el paciente ni si parece mayor de lo que es. Se entrenó directamente con el tiempo que tardó en morir cada persona, mediante un método llamado DeepSurv que combina redes neuronales con el modelo de riesgos de Cox, la herramienta estadística clásica para analizar supervivencia. De cada cara sale un número, una puntuación de riesgo. Para medir su acierto, los autores usan el AUC, un valor que vale 0,5 cuando un sistema acierta igual que una moneda al aire y 1 cuando no falla nunca. La puntuación facial alcanzó un AUC de 0,80 para la mortalidad a tres días y de 0,77 a 30 días. En la cohorte completa murieron 14.127 pacientes durante el periodo de estudio.
Leves con pronóstico de graves
Entre los pacientes con escalas de alerta precoz bajas, es decir, los que el hospital consideraba estables, la cuarta parte con la peor puntuación facial tenía una odds ratio de 13,39 de riesgo elevado. Combinando una alerta precoz alta con el peor cuartil de cara, la mortalidad a 30 días se multiplicaba por 30 respecto a los pacientes de bajo riesgo. Dos personas con el mismo nivel de triaje, sentadas en la misma sala de espera, pueden tener pronósticos radicalmente distintos, y la foto lo ve.
Los médicos llaman gestalt a la impresión global que se forman al ver entrar a un paciente, esa sensación de que alguien tiene mala cara aunque sus constantes salgan normales. Lo que hace el algoritmo es poner un número a esa corazonada.
Qué mira el algoritmo
Para averiguar en qué se fija la red, los investigadores le pasaron las mismas fotos con los colores alterados. Al subir el rojo y bajar el azul, el riesgo estimado caía, un patrón compatible con el efecto de la oxigenación en el tono de la piel. El verde y el azul juntos lo aumentaban, algo que podría imitar la palidez y la cianosis de una sangre mal oxigenada. También taparon zonas de la cara. Ocultar la boca y los ojos bajaba un poco el acierto, y ocultar la nariz y los ojos lo bajaba bastante más. La conclusión de los autores es que la predicción sale de una combinación de muchos rasgos, y no de uno solo.
Una caja negra con patente
Los datos vienen del este de Dinamarca, así que los resultados podrían reflejar la forma de atender de esa región. Las arquitecturas de aprendizaje profundo no explican sus decisiones, y los rasgos visuales detectados aquí podrían no servir en otras poblaciones sin volver a entrenar el modelo con más hospitales y más perfiles demográficos. El sistema tampoco se ha probado fuera de urgencias. Dos de los autores, además, han presentado una solicitud de patente provisional relacionada con métodos de predicción de riesgo.
El estudio no entra en una cuestión más. Una herramienta que estima la probabilidad de morir a partir de un retrato de móvil es también un sistema que puede equivocarse con un paciente concreto, etiquetar a alguien sin que lo sepa y funcionar peor en los grupos menos representados en el entrenamiento. Los autores imaginan su uso en telemedicina, en atención primaria y en zonas sin acceso rápido a un análisis de sangre, que es donde una cámara barata rinde más. Ese mismo escenario es el que menos recursos tiene para auditar al algoritmo.
REFERENCIA
Facial photographs reveal mortality risk beyond triage and clinical risk scores. Indra Heckenbach, Kasper Karmark Iversen, Michael Ben Ezra, Mikkel Porsborg Andersen, Henning Bundgaard, Morten Scheibye-Knudsen y Rasmus Bo Hasselbalch. Nature Communications, 19 de noviembre de 2026.
Si quieres conocer otros artículos parecidos a La IA solo necesita una foto del móvil para decidir quién va a morir en urgencias puedes visitar la categoría TECNOLOGÍA.
Continúa Leyendo