Análisis predictivo de riesgo

Un score publicado puede ser un buen punto de partida, pero aplicarlo sin validarlo en la población propia es confiar en una predicción cuyo rendimiento y calibración no se han comprobado en ese contexto. Aplica cuando un servicio quiere usar un modelo de riesgo, sea de deterioro, mortalidad o readmisión, y necesita saber cuánto puede fiarse de él con sus pacientes. Un score desarrollado en otra población, otro sistema sanitario u otra época puede discriminar peor o, sobre todo, estar mal calibrado al trasladarlo: predecir riesgos sistemáticamente altos o bajos. Antes de incorporarlo a decisiones asistenciales, el score debe validarse localmente o recalibrarse si la calibración no es adecuada. El servicio o bien recalibra el modelo existente sobre los datos reales del centro, o bien desarrolla uno nuevo, y en ambos casos cuantifica su rendimiento con métricas de discriminación y calibración. La diferencia es saber si la predicción funciona aquí, no asumir que funcionará porque funcionó en otro sitio.

Se necesitan datos clínicos, de laboratorio y de constantes vitales de una cohorte de pacientes en la que conste el desenlace que se quiere predecir: deterioro, readmisión, mortalidad o complicación. El cliente recoge y aporta estos datos; el servicio los prepara, modela e interpreta. Una verificación clave en esta fase es la temporalidad de las variables: el modelo solo puede usar información que estará disponible en el momento real en que se hace la predicción, no datos registrados después. Usar una variable futura como predictora es una fuente frecuente de fuga de información o leakage: produce un modelo que parece excelente en desarrollo y fracasa en la práctica. Por eso se evalúa la disponibilidad y el momento de registro de cada variable candidata antes de modelar. No es imprescindible que la base llegue depurada, pero sí que el desenlace esté bien definido: si el desenlace está mal definido, cambia entre centros o no tiene una ventana temporal clara, el primer trabajo no es modelar, sino reconstruir una definición operativa defendible.

No. El modelo aporta una estimación de riesgo individualizada y objetiva; la decisión clínica la toma siempre el profesional. El análisis predictivo de riesgo apoya decisiones complejas, como intensificar la monitorización, valorar el ingreso en UCI o sopesar una intervención quirúrgica, dando una cuantificación del riesgo que antes era implícita, pero no sustituye el juicio clínico ni el conocimiento del paciente concreto. Su función es informar decisiones clínicas o decisiones compartidas médico-paciente cuando proceda, con datos, no automatizarlas. Esta frontera es deliberada y no se difumina: el servicio entrega una herramienta de estimación evaluada, calibrada e interpretable, integrable en el flujo de trabajo, para que el equipo decida con mejor información. La responsabilidad de la decisión asistencial permanece en el profesional; el modelo la respalda, no la reemplaza.

No basta con el AUC. La fiabilidad de un modelo predictivo se evalúa combinando discriminación, calibración y utilidad clínica, no con un solo número. La discriminación (medida con el AUC) indica si el modelo separa a quienes tendrán el evento de quienes no, pero un AUC alto no garantiza que las probabilidades sean correctas. La calibración comprueba justamente eso: que, entre pacientes con un riesgo estimado cercano al 20 %, la frecuencia observada del evento sea aproximadamente del 20 %, lo que importa cuando se actúa sobre el valor predicho. Además, se valora la utilidad clínica neta del modelo, es decir, si usarlo aporta beneficio frente a no usarlo a los umbrales de decisión relevantes. Estas métricas deben estimarse en datos no usados para entrenar el modelo, o mediante validación interna adecuada, para evitar un rendimiento optimista. Un modelo bien discriminante pero mal calibrado puede inducir decisiones equivocadas; por eso se reportan las tres dimensiones.

Puede convenir machine learning cuando la complejidad de los datos —muchas variables, interacciones no lineales, relaciones difíciles de especificar— lo justifica, y un score estadístico clásico cuando una regresión bien construida captura la señal de forma más simple y transparente. La decisión no es ideológica: se desarrollan y comparan varias aproximaciones, desde regresión penalizada hasta algoritmos de machine learning, y se elige la que mejor combina rendimiento y aplicabilidad en el contexto real. Con pocos eventos o datos muy limitados, un modelo más simple y bien calibrado puede ser preferible a un algoritmo complejo, que en ese escenario tiende a sobreajustar. Un modelo más complejo solo se justifica si aporta una mejora real de rendimiento que compense su menor transparencia. Cuando se emplea machine learning, se acompaña de técnicas de explicabilidad como SHAP, que muestran qué variables impulsan cada predicción, para que el modelo no funcione como una caja negra ante el clínico ni ante el revisor.

El umbral de riesgo no debería fijarse solo para maximizar la detección, sino para equilibrar la sensibilidad con los recursos disponibles y el coste real de los falsos positivos en el contexto asistencial. Aplica siempre que un modelo se va a usar para activar alertas o derivaciones, porque más alertas no es mejor si el equipo no puede atenderlas todas: la fatiga de alerta hace que un sistema demasiado sensible acabe ignorándose. Por eso el punto de corte se determina con criterio clínico y operativo, considerando qué capacidad de respuesta existe y qué cuesta cada falso positivo y cada falso negativo, que rara vez pesan lo mismo. También puede evaluarse la utilidad clínica neta mediante curvas de decisión cuando existen umbrales clínicamente relevantes. El objetivo es un sistema de alertas que el equipo pueda atender de forma sostenible, no uno que dispare tantas señales que se vuelva inservible.

El análisis predictivo de riesgo se utiliza para estimar la probabilidad de un evento concreto y futuro en cada paciente —deterioro, readmisión a 30 días, mortalidad—, normalmente para activar una intervención a tiempo. El desarrollo de modelos de estratificación de pacientes encaja cuando el objetivo es agrupar a una población en niveles o perfiles de riesgo para organizar la gestión o el manejo, más que predecir un evento puntual. Pueden combinarse —una predicción de riesgo puede alimentar una estratificación—, pero no responden a la misma pregunta: el modelo predictivo responde "qué probabilidad tiene este paciente de presentar este evento en una ventana temporal definida"; la estratificación responde "en qué grupo de manejo encaja esta población". Uno orienta una intervención individual a tiempo; el otro, la organización de recursos por niveles de riesgo.

No termina en la entrega del modelo: el servicio puede diseñar la evaluación de su impacto en resultados clínicos. Aplica cuando el centro necesita demostrar con datos si el modelo, una vez en uso, está reduciendo deterioros, readmisiones o estancias prolongadas, y no solo si funciona sobre el papel. Un modelo con buen rendimiento estadístico no garantiza por sí mismo una mejora clínica: esa mejora depende de cómo se integre en el flujo de trabajo y de qué se haga con la predicción. Por eso se diseña la evaluación del impacto real sobre los desenlaces de interés. Esa evaluación puede requerir un diseño antes-después, una evaluación por fases o un estudio específico de implementación, según cómo se despliegue el modelo. El reparto se mantiene: el servicio diseña y analiza esa evaluación; la ejecución de las intervenciones y la respuesta a las alertas corresponden al equipo asistencial. Lo que se entrega es la evidencia sobre si el modelo aporta valor en ese contexto asistencial, no solo el modelo.