Nadie pide una prueba esperando que salga positiva
Cuando una médica pide una troponina, no se pregunta «¿este paciente está teniendo un infarto?». Se pregunta «¿cuánto debe cambiar lo que pienso según lo que muestre este resultado?». No es la misma pregunta.
Antes de pedir la prueba ya tiene una estimación. Un hombre de 62 años con dolor torácico irradiado al brazo izquierdo y diaforesis tiene una probabilidad pretest alta de síndrome coronario agudo. Una mujer de 28 años con el mismo motivo de consulta, después de tomarse tres espressos, la tiene baja. La troponina no significa lo mismo en uno y otro caso. Una troponina ligeramente elevada en el primero confirma lo que ella ya sospechaba. El mismo resultado en la segunda es, con más probabilidad, un falso positivo: la prueba no es perfecta, y cuando se aplica una prueba imperfecta a alguien que probablemente no tiene la enfermedad, las matemáticas juegan en contra.
Toda prueba tiene una sensibilidad y una especificidad. La sensibilidad indica con qué frecuencia la prueba detecta la enfermedad cuando está presente. La especificidad, con qué frecuencia descarta correctamente a quien no la tiene. Ninguna prueba llega al 100% en ninguna de las dos. Una prueba con un 95% de sensibilidad sigue dejando escapar el 5% de los casos reales. Una con un 90% de especificidad sigue dando un falso positivo en el 10% de las personas sanas. Son propiedades de la prueba, no del paciente. Y significan que todo resultado lleva consigo una incertidumbre que debería modificar nuestra confianza, no reemplazarla.
En eso consiste el razonamiento bayesiano. Se parte de lo que ya se sabe del paciente. Llega un dato nuevo. Se ajusta la estimación según lo fiable que sea ese dato. Y se vuelve a empezar con el siguiente.
Casi toda la IA clínica hace lo contrario
La mayoría de los sistemas de IA en salud trabajan hacia atrás. Toman un conjunto de resultados (constantes vitales, análisis, diagnósticos, medicamentos) y los cotejan a posteriori con patrones aprendidos de los datos de entrenamiento. El sistema ve una creatinina de 1,6, antecedentes de diabetes y un IECA en la lista de medicamentos, y responde «probable ERC» porque esa combinación aparecía con frecuencia en los casos con los que se entrenó.
Suena razonable hasta que uno se fija en lo que falta. El sistema no sabe si la creatinina sube o se mantiene. No sabe si el IECA se recetó para proteger el riñón o para la presión arterial. No sabe que hace dos años la creatinina del paciente era de 0,9 y que desde entonces no ha dejado de subir. No tiene en cuenta que, en esta población, la determinación de albúmina en orina da un 15% de falsos positivos. Se limita a comparar la instantánea actual con patrones históricos y a poner una etiqueta.
Una médica ante el mismo paciente razonaría hacia adelante. Partiría de la probabilidad previa de enfermedad renal crónica según la edad, el sexo y los factores de riesgo. La ajustaría con la creatinina, pero en la medida en que se fíe de una sola determinación. Miraría la tendencia, no solo el valor de hoy. Tendría en cuenta el IECA, pero antes de contarlo como indicio de enfermedad renal se preguntaría por qué se recetó. Cada dato mueve la probabilidad, y cada uno pesa según lo fiable que sea.
El enfoque retrospectivo pregunta: ¿a qué se parece esto? El prospectivo pregunta: con todo lo que sabemos hasta ahora, ¿qué nos dice este dato nuevo y hasta qué punto podemos fiarnos de él?
Ver al paciente entero o ver los resultados
Una de las primeras cosas que se aprenden en la formación clínica es que se trata al paciente, no al análisis. Un potasio de 5,8 en una muestra hemolizada no significa nada. Una presión arterial de 160 en alguien que acaba de llegar corriendo a la cita no es hipertensión. El contexto decide si un resultado es señal o ruido, y el contexto exige conocer al paciente más allá de lo que dice hoy su historia clínica.
Una IA de propósito general procesa resultados. Lee los números, las notas y los diagnósticos codificados, y devuelve una respuesta a partir de patrones en el texto. Lo hace muy bien. Resume un informe de alta más rápido que cualquier persona. Extrae datos estructurados de un texto clínico desordenado. Pero lee la historia clínica como se lee un caso en un libro de texto: cuando todo ya ha pasado.
La médica que atiende a un paciente en tiempo real hace otra cosa. Razona bajo incertidumbre y hacia adelante en el tiempo, ajusta su valoración a medida que llega cada dato y pondera cada uno según la confianza que le merece. Sabe que un dímero D positivo en un paciente de bajo riesgo probablemente es un falso positivo. Sabe que una radiografía de tórax normal no descarta una neumonía incipiente. Lleva en la cabeza la probabilidad previa y la corrige con cada hallazgo, no a partes iguales, sino en proporción a su valor diagnóstico.
Al construir Chroneme quisimos que el sistema razonara como ella y no como un buscador. Hacia adelante, no hacia atrás. Actualizando las probabilidades con cada nueva evidencia, según lo fiable que esa evidencia sea de verdad.
Cómo funciona en la práctica
Un hombre de 58 años con diabetes tipo 2 acude para sus análisis de rutina. Su probabilidad basal de enfermedad renal crónica, según la edad, el sexo y el diagnóstico de diabetes, parte de cierto nivel. No es cero, porque la diabetes es la primera causa de ERC. Tampoco es alta, porque no tiene síntomas ni hallazgos renales previos.
La creatinina sale en 1,2. Técnicamente está dentro del rango normal, pero es más alta que la última. El sistema actualiza la estimación. Poco, porque una creatinina ligeramente elevada tiene un valor diagnóstico modesto: una sola determinación, por sí misma, no tiene ni una sensibilidad ni una especificidad especialmente buenas para la ERC.
Diez meses después, la creatinina está en 1,4 y la TFGe ha bajado de 60. Ahora el ajuste es mayor, porque una TFGe por debajo de 60 tiene un valor diagnóstico para la ERC bastante más alto. Pero el sistema ve además algo que un modelo estático no puede ver: la trayectoria. La creatinina no solo está elevada. Sube a un ritmo que, si se prolonga, la lleva a un rango preocupante.
Un año más tarde aparece proteinuria. La probabilidad ya es lo bastante alta para actuar. Pero lo que importa clínicamente es esto: el sistema venía señalando a este paciente meses antes de que apareciera la proteinuria. No con certeza, sino con una probabilidad que subía de un modo que merecía atención. La médica que revisa la historia puede ver cada actualización, ver qué la motivó y decidir si está de acuerdo. Si cree que el IECA se recetó para la presión y no para el riñón, puede darle a ese factor otro peso en su juicio clínico. El sistema muestra su razonamiento. Ella aplica el suyo.
La propia trayectoria se convierte en evidencia, al margen de cualquier valor aislado.
Por qué esto importa para la confianza
Cuando una red neuronal dice «73% de probabilidad de ERC», no hay manera de preguntarle por qué. La cifra sale de millones de parámetros que no corresponden a ningún concepto clínico. Una médica no puede mirarla y decir «estoy de acuerdo con lo de la creatinina, pero creo que le das demasiado peso a la medicación». No hay una parte de creatinina. No hay una parte de medicación. Solo hay un número.
Cuando un sistema bayesiano dice 73%, la médica sí puede preguntar por qué. Puede ver qué evidencia movió la probabilidad y cuánto. Puede discrepar de un factor concreto y aplicar su propio criterio. Es a través de esa conversación como la IA clínica cambia de verdad la atención. Sin ella, el resultado es una afirmación. Con ella, es un argumento.
Un nefrólogo al que le mostramos el sistema lo dejó muy claro. Revisó la cadena de evidencia de un paciente y dijo que estaba de acuerdo con casi todo, pero que a un factor se le estaba dando demasiado peso, porque el contexto de la prescripción no era el que el sistema suponía. Tenía razón. Y que pudiera hacer esa observación, señalar el factor concreto y aplicar su experiencia es exactamente lo que debe hacer posible un sistema de apoyo a la decisión clínica. Una caja negra le habría dado la misma probabilidad sin dejar lugar a esa conversación.
Las limitaciones que no ocultamos
La inferencia bayesiana supone que, dada la enfermedad, los distintos elementos de evidencia son condicionalmente independientes. En medicina, a menudo no lo son. En el contexto de la ERC, la creatinina y la proteinuria están correlacionadas. Es una limitación conocida, y resolverla del todo sigue siendo un problema abierto en este campo.
La calidad del resultado depende de la calidad de los pesos que se asignan a la evidencia. Algunos están bien establecidos en la literatura. Otros son aproximaciones que afinamos con la validación. La calibración es un trabajo en curso, y no pretendemos lo contrario.
La inferencia bayesiana maneja bien la evidencia estructurada y cuantificable: análisis, constantes vitales, medicamentos, diagnósticos codificados. Maneja peor las notas clínicas no estructuradas y los síntomas que refiere el paciente. Para cada tipo de dato clínico usamos un enfoque distinto: la herramienta que corresponde a cada problema.
Elegimos la inferencia bayesiana porque refleja cómo piensan ya los médicos. El sistema formaliza lo que un buen clínico hace por intuición, a escala, con cada paciente y de forma continua. Nada más. Nada de magia. Solo las matemáticas del razonamiento clínico, hechas explícitas.