Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de revisión
Aquí presentamos una revisión narrativa que evalúa herramientas de predicción basadas en inteligencia artificial (IA) para complicaciones secundarias y resultados clínicos en lesiones cerebrales traumáticas, evaluando la madurez de la evidencia en cinco dominios de complicaciones e identificando barreras críticas para la implementación clínica.
Las complicaciones secundarias tras una lesión cerebral traumática (LCT) moderada a grave—incluyendo presión intracraneal elevada (PCI), convulsiones postraumáticas, coagulopatía inducida por trauma (TIC) y sepsis—empeoran sustancialmente el pronóstico del paciente. Las herramientas pronósticas actuales estiman la mortalidad y la discapacidad global en el momento del ingreso, pero no predicen complicaciones específicas y tratables durante la hospitalización. Esta revisión narrativa evalúa si las herramientas de predicción basadas en IA pueden abordar esta necesidad clínica no cubierta, evalúa la madurez de la evidencia en cinco dominios de predicción e identifica prioridades para futuras investigaciones. Se realizó una búsqueda bibliográfica dirigida en PubMed, Embase y Web of Science desde enero de 2016 hasta octubre de 2025, complementada con seguimiento manual de referencias. Los estudios se seleccionaron en función de su relevancia para la IA o el aprendizaje automático (ML) para predecir complicaciones secundarias o resultados clínicos en pacientes con TCE. Los modelos basados en IA logran una precisión predictiva moderada (área bajo la curva característica de operación del receptor [AUC] de 0,70–0,79) a buena precisión (AUC ≥ 0,80) para crisis de ICP, TIC, sepsis y mortalidad. La predicción de crisis tiene la evidencia menos madura, sin estudios de validación externa. La predicción de la ICP tiene la base de evidencia más sólida, con validación externa y replicación independiente. La predicción de mortalidad tiene el mayor volumen de evidencia, con validación internacional de múltiples conjuntos de datos. Persisten limitaciones metodológicas críticas: la mayoría de los modelos derivan de datos retrospectivos de una sola institución; solo aproximadamente un tercio ha sido validado externamente; y ningún ensayo aleatorizado ha demostrado que las decisiones guiadas por IA mejoren los resultados para los pacientes. Las herramientas de predicción por IA muestran potencial para pronosticar complicaciones secundarias del TCE, pero la evidencia actual no respalda la implementación clínica rutinaria. Antes de su adopción, estas herramientas requieren una validación externa rigurosa, ensayos prospectivos y una evaluación sistemática de la equidad en poblaciones diversas.
El TCE constituye una de las principales causas de muerte y discapacidad a largo plazo a nivel mundial, con aproximadamente 69 millones de casos incidentes que ocurrenanualmente, 1,2. La LCT es la principal causa de muerte y discapacidad entre las personas menores de 45 años, imponiendo cargas profundas en la sanidad, socioeconómicas ysociales 1,2,3. Una distinción fundamental en la fisiopatología del TCE separa la lesión primaria—el daño mecánico inmediato sufrido en el momento del i....
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Estrategia de búsqueda y selección de estudios
Se realizó una búsqueda bibliográfica dirigida y no sistemática en PubMed, Embase y Web of Science desde enero de 2016 hasta octubre de 2025. La fecha de inicio de 2016 se eligió para capturar publicaciones fundamentales de aprendizaje automático anteriores al reciente auge de la investigación en aprendizaje profundo, manteniendo un enfoque contemporáneo; su selección se justifica específicamente por la inclusión de Myers et al. (2016)10, un estudio seminal que estableció enfoques metodológicos fundamentales para la predic....
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Las herramientas de predicción por IA demuestran un potencial real para anticipar complicaciones secundarias del TCE antes de su aparición clínica 5,6,7. Estudios representativos en cinco dominios de complicaciones informan de una precisión predictiva que va desde moderada (AUC 0,70–0,79) hasta buena (AUC ≥ 0,80), con los modelos de mayor rendimiento alcanzando valores de AUC de hasta 0,92 en va.......
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores no declaran conflictos de interés. Ninguna entidad comercial tuvo ningún papel en el diseño, interpretación o decisión de presentar el estudio para su publicación.
Los autores no recibieron financiación específica para esta obra.
....Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.