Un equipo de investigadores de Cedars-Sinai Medical Center, en Los Ángeles, ha desarrollado un modelo de inteligencia artificial capaz de identificar a pacientes hospitalizados con riesgo de sufrir una hipoglucemia hasta 24 horas antes de que se produzca, según un estudio publicado en la revista npj Digital Medicine.
El modelo, basado en una red neuronal de memoria a corto y largo plazo (LSTM), se entrenó y validó con datos de casi 143.000 ingresos hospitalarios de personas adultas, utilizando como variables la medicación, los valores analíticos, las órdenes de dieta y el porcentaje de comida consumida en ventanas de cuatro horas a lo largo de cinco días.
La hipoglucemia hospitalaria es el evento adverso más frecuente en el tratamiento de la diabetes durante un ingreso, y se asocia a mayor duración de la estancia, más costes y peores resultados, incluyendo en los casos más graves convulsiones, coma o arritmias. Anticiparla con un día de margen podría ayudar al personal sanitario a intervenir antes de que aparezcan los síntomas.