¿Y si una radiografía tomada para revisar los pulmones pudiera avisar también de un problema que crece en silencio dentro del cuerpo? El hígado graso suele no dar señales, pero la inteligencia artificial podría convertir análisis y estudios rutinarios en una alerta temprana.
El hallazgo cobra peso por su escala: la enfermedad del hígado graso afecta a cerca del 30% de los adultos en el mundo, más de 1.000 millones de personas. La Universidad Metropolitana de Osaka desarrolló un modelo de IA que identificó casos en radiografías de tórax rutinarias con un 82% de precisión.
La pieza clave es que estas imágenes, aunque se solicitan para observar pulmones o corazón, también muestran una parte del hígado. El algoritmo puede buscar allí señales de grasa y cruzarlas con datos como sobrepeso, colesterol alto o diabetes tipo 2.
Jeffrey Lazarus, especialista de la City University of New York, plantea que la IA puede revisar grandes volúmenes de historiales médicos y priorizar a quienes necesitan una evaluación. No reemplazaría la consulta: funcionaría como un primer aviso para que el médico no pierda casos de riesgo entre miles de datos.
El problema es silencioso, pero no menor. En un hígado sano la grasa es casi insignificante; en muchas personas supera el 5% e incluso el 10% del peso del órgano. Esa acumulación puede provocar inflamación, daño celular y fibrosis, la formación de tejido cicatricial.
Tres de cada cuatro personas con cirrosis reciben el diagnóstico cuando su enfermedad ya pone en peligro su vida.
Un detector en segundo plano
La IA puede entenderse como el tablero de control de una casa. En lugar de pedirle al médico que revise cada cable, cada cañería y cada interruptor por separado, el sistema observa los indicadores que ya están disponibles y señala dónde puede haber una falla.
En este caso, esos “cables” son las analíticas de sangre, las radiografías y los antecedentes clínicos. Si varios datos se encienden a la vez, el engranaje digital puede recomendar una revisión más profunda o una derivación a hepatología.
Una herramienta que ya existe es el índice Fib-4, una puntuación de 0 a 6 que estima el riesgo de fibrosis avanzada. Se calcula con la edad, dos enzimas hepáticas y la capacidad de coagulación de la sangre, datos que suelen estar presentes en controles anuales.
Sin embargo, Fib-4 tiene limitaciones: puede ser menos preciso en adolescentes y adultos mayores, y generar falsos positivos cuando se usa solo. Por eso, combinarlo con una prueba sanguínea de segunda línea, que mide proteínas vinculadas a las cicatrices hepáticas, puede cuadruplicar la detección de fibrosis avanzada.
Ahí aparece la oportunidad de automatizar. En vez de sumar tareas a una atención primaria ya sobrecargada, la IA podría calcular Fib-4 en segundo plano y mostrar una alerta solo cuando el riesgo justifique una acción médica.
Datos que pueden cambiar una rutina
Otros sistemas buscan afinar ese filtro. LiverPRO, desarrollado por la empresa danesa Evido junto con Roche, analiza la edad y nueve biomarcadores, sustancias medibles en sangre que dan pistas sobre el estado del organismo. En un estudio de más de 470.000 personas de mediana edad, predijo mejor que Fib-4 el riesgo de problemas hepáticos graves.
Por su parte, ALADDIN, un modelo de aprendizaje automático, es decir, un sistema que encuentra patrones en grandes conjuntos de datos, identificó mejor a los pacientes que podrían beneficiarse del resmetirom sin recurrir de entrada a una biopsia invasiva.
Detectar el problema pronto abre una puerta concreta. Reducir el alcohol, mejorar la alimentación, hacer ejercicio, perder peso y aumentar el consumo de café pueden revertir inflamación y fibrosis en fases iniciales. La semaglutida y el resmetirom mostraron eficacia cuando el daño ya es moderado o avanzado.
El hígado tiene capacidad de regenerarse. Si la IA logra encender el interruptor de alerta antes de que aparezcan las cicatrices más graves, una revisión común podría convertirse en la oportunidad de cuidar un órgano que todavía puede recuperarse.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
