Gao CA. Advancing Non-Invasive Ventilation Decision-Support Through Multicenter Machine Learning. CHEST Critical Care. 2026;4:100268. DOI: 10.1016/j.chstcc.2026.100268.
El editorial analiza un modelo de aprendizaje automático desarrollado y validado en varios centros para estimar, desde el inicio de la ventilación binivel, qué pacientes presentan mayor riesgo de requerir intubación o morir durante las siguientes 24 horas. El objetivo no es sustituir al clínico, sino apoyar una decisión difícil y sensible al tiempo: continuar la estrategia no invasiva o escalar el soporte antes de que aparezca un deterioro evitable.
¿Por qué merece atención?
El fracaso de la ventilación no invasiva no siempre se reconoce de manera temprana. Una mejor estratificación podría orientar el lugar de atención, la intensidad de la vigilancia, la disponibilidad del equipo de vía aérea y el momento de considerar ventilación invasiva. El estudio comentado incluyó más de 18 000 pacientes de cuatro centros y comparó el modelo con herramientas conocidas como HACOR y ROX, mostrando un rendimiento predictivo superior.
Aportes principales
- Integra 71 variables, entre ellas signos vitales, tendencias, resultados de laboratorio y documentación de enfermería.
- La validación entre centros reduce el riesgo de que el desempeño dependa únicamente de las prácticas de una institución.
- Compara su rendimiento con HACOR y ROX, dos referentes clínicos sencillos para estimar fracaso del soporte no invasivo.
- Propone calcular el riesgo automáticamente al iniciar la ventilación binivel e incorporarlo a la historia clínica electrónica como apoyo al equipo tratante.
- Favorece una vigilancia proporcional al riesgo y una preparación más temprana para la intubación cuando la evolución lo exige.
Lo que todavía no resuelve
- El desenlace compuesto incluye intubación o muerte y no dispone de información completa sobre órdenes de no intubar o limitación del esfuerzo terapéutico.
- No incorpora parámetros esenciales del ventilador, como IPAP, EPAP, frecuencia de respaldo, modo, FiO₂ entregada ni ajustes realizados durante la evolución.
- Un modelo que predice correctamente no necesariamente mejora los desenlaces; falta demostrar en estudios prospectivos que actuar sobre la alerta beneficia al paciente.
- La integración electrónica puede generar fatiga por alertas si no se diseña dentro de un flujo clínico claro.
Lectura desde la UCIP
La población estudiada es adulta y los resultados no deben trasladarse directamente a niños. Sin embargo, el problema clínico es plenamente reconocible en Pediatría: evitar tanto una intubación precipitada como la prolongación inadecuada de un soporte no invasivo que está fracasando. La idea más aprovechable es evaluar la trayectoria del paciente y no una cifra aislada: trabajo respiratorio, estado neurológico, frecuencia respiratoria, oxigenación, gasometría, hemodinamia y respuesta a los primeros ajustes.
Especialmente útil para intensivistas, neumólogos, terapeutas respiratorios y profesionales interesados en soporte ventilatorio, sistemas de alerta y análisis predictivo.
Comentario del Dr. Amado Agustín Alvarado