Un equipo liderado por la Dra. María José Torres Jaén desarrolló una herramienta clínica que utiliza inteligencia artificial para detectar rápidamente a pacientes que tienen una etiqueta errónea de alergia a la penicilina. Este avance promete mejorar el manejo de esta condición en los sistemas de salud a nivel mundial y reducir los costos y riesgos asociados a diagnósticos incorrectos.
La herramienta, llamada ‘Betalactam-Predictor’ (BL-predictor), consiste en un cuestionario estructurado con ocho preguntas clave sobre los síntomas y antecedentes del paciente, como la presencia de anafilaxia, la duración desde la última reacción y la necesidad de tratamiento de urgencia. Estos datos se procesan mediante algoritmos de aprendizaje automático optimizados para maximizar la exactitud diagnóstica.
Actualmente, aproximadamente el 10% de la población tiene registrada alergia a antibióticos betalactámicos, a los que pertenece la penicilina, pero solo una minoría dentro de este grupo es alérgica de verdad. Mantener este diagnóstico falso obliga a los médicos a usar antibióticos alternativos más caros, menos efectivos y con mayores efectos secundarios, además de aumentar el riesgo de resistencia bacteriana y prolongar hospitalizaciones.
El BL-predictor alcanzó una especificidad diagnóstica del 93%, mejorando un 25% la precisión respecto a las herramientas clínicas tradicionales. Esto podría permitir retirar falsas etiquetas de alergia incluso fuera de unidades especializadas, reduciendo consultas complejas y favoreciendo un tratamiento más adecuado y seguro.
El desarrollo se publicó recientemente en la revista Allergy y representa un avance significativo en la integración de tecnologías digitales para optimizar los diagnósticos médicos, especialmente en un área con impacto sanitario y económico tan relevante.