Un proyecto del CONICET utiliza IA para optimizar la atención de pacientes crónicos en hospitales públicos

La herramienta extrae información relevante de las historias clínicas, clasifica diagnósticos y analiza relaciones entre enfermedades.

Especialistas del Instituto de Ciencias e Ingeniería de la Computación (ICIC, CONICET–UNS) desarrollaron una herramienta basada en inteligencia artificial (IA) que permite detectar y monitorear pacientes con múltiples enfermedades crónicas en el ámbito hospitalario. El objetivo es mejorar la gestión clínica y el seguimiento médico de este grupo de pacientes, que requiere una atención integral y sostenida en el tiempo.

La iniciativa surgió a partir de una necesidad concreta de los hospitales públicos: contar con mecanismos que integren la información médica de personas con diversas patologías crónicas, actualmente dispersa en distintos registros y redactada en lenguaje natural dentro de las historias clínicas electrónicas.

Para abordar este desafío, el equipo del ICIC, conformado por especialistas en inteligencia artificial, ciencia de datos y computación, trabajó junto a profesionales médicos y técnicos del Hospital Municipal de Agudos “Leónidas Lucero” de Bahía Blanca (HMABB), para diseñar un sistema capaz de procesar y analizar automáticamente grandes volúmenes de información clínica, facilitando la identificación de pacientes pluripatológicos y el análisis de sus condiciones de salud.

“El objetivo fue crear una herramienta que asista a los equipos de salud en el seguimiento de pacientes con múltiples enfermedades y en la toma de decisiones clínicas basadas en datos”, explicó Carlos Chesñevar, director del ICIC y coordinador del proyecto.

El desarrollo se basó en dos métodos principales: ECO (Entidades y Conocimiento Ontológico) y CML (Clasificador Modelo de Lenguaje), que combinan técnicas de procesamiento de lenguaje natural con terminología médica estandarizada (CIE-10), lo que permite extraer información relevante de las historias clínicas, clasificar diagnósticos y analizar relaciones entre enfermedades.

Además, el proyecto incluyó un motor de búsqueda y un entorno de visualización interactivo con el que es posible representar asociaciones entre patologías, detectar grupos de riesgo y diseñar estrategias personalizadas de atención. Estas herramientas de análisis y visualización, trabajadas exclusivamente con datos anonimizados para garantizar la privacidad de la información, facilitan la interpretación de los resultados por parte del personal médico, mejorando la toma de decisiones clínicas.

Como parte de las acciones de transferencia el equipo del ICIC brindó capacitaciones al personal hospitalario del HMABB, liberó el código fuente en acceso abierto y publicó un capítulo sobre IA aplicada a la detección de comorbilidades en el libro Handbook of Artificial Intelligence in Healthcare, publicado por la editorial Springer-Nature en 2025.

Desde el Hospital Municipal, Gustavo Piñero, director del área de Telesalud del HMABB, destacó el impacto de la colaboración: “Esta herramienta representa un avance concreto hacia una gestión integral y eficiente de los pacientes con enfermedades crónicas. Nos permite analizar mejor la información clínica, visualizar relaciones muchas veces invisibles en el manejo a diario que nos permitirá planificar intervenciones más precisas y priorizar casos complejos. La articulación con el CONICET fue clave para trasladar el conocimiento científico al ámbito asistencial”.

En el futuro, la experiencia se podría replicar en otros centros de salud pública para avanzar hacia un modelo nacional de historia clínica inteligente. Su implementación servirá para optimizar el uso de recursos, reducir errores de registro y diagnóstico y mejorar el seguimiento médico en entornos de alta demanda. “El trabajo que venimos realizando en conjunto entre el CONICET y el Hospital Leónidas Lucero de Bahía Blanca permitió validar la aplicación de la IA en un entorno real y fortalecer la articulación entre el sistema científico y el sistema de salud pública”, subrayó Chesñevar.