Un equipo de investigación ha desarrollado y validado desde Málaga una innovadora herramienta clínica que permite identificar de forma rápida y segura a pacientes que tienen «una etiqueta» de alergia a la penicilina pero que, en realidad, no son alérgicos.
El trabajo está liderado por la jefa de servicio de Alergología del Hospital Regional Universitario de Málaga, catedrática de la Facultad de Medicina de la Universidad de Málaga (UMA) e investigadora del grupo de Enfermedades Alérgicas a Fármacos y Alérgenos de Ibima Plataforma Bionand, María José Torres Jaén, junto a la investigadora del mismo grupo Marina Labella.
Este nuevo sistema, denominado 'Betalactam-Predictor' (BL-predictor), ha sido diseñado con el apoyo de Inteligencia Artificial (IA), y según las investigadoras «simplifica los procedimientos diagnósticos, permitiendo la retirada de falsos diagnósticos de forma rápida y segura».
Según los hallazgos de la investigación, el sistema es tan fiable que podría permitir el desetiquetado de pacientes incluso fuera de las unidades especializadas de alergia, reduciendo drásticamente los costes y riesgos asociados.
En concreto, se estima que el 10% de la población tiene registrado en su historial médico una etiqueta de alergia a los antibióticos betalactámicos —donde se encuentra la penicilina—. Sin embargo, la realidad científica es muy distinta: solo entre el 5% y el 30% de este 10% son verdaderamente alérgicos.
Esta «falsa etiqueta» de alergia tiene consecuencias graves para la salud pública. Al no poder usarlos, los médicos deben recurrir a antibióticos de segunda línea, que suelen ser menos eficaces, con mayores efectos secundarios y más costosos. Además, este uso inadecuado contribuye significativamente al aumento de las resistencias bacterianas y prolonga las estancias hospitalarias.
'BL-predictor' es un cuestionario compuesto por ocho preguntas que puntúa diversos factores de la historia clínica del paciente, como el tipo de síntomas, el tiempo transcurrido desde la reacción o si el paciente necesitó tratamiento.
La principal novedad radica en que las variables de este cuestionario fueron seleccionadas y optimizadas mediante técnicas de aprendizaje automático —Machine Learning—. Esto ha permitido que la herramienta alcance una especificidad del 93% en su validación internacional, lo que supone un incremento del 25% en la precisión respecto a las herramientas de decisión clínica más utilizadas hasta la fecha.
El estudio, publicado en la revista científica 'Allergy', comenzó con una cohorte de 2.207 pacientes en el Hospital Regional de Málaga y se extendió a una validación externa con 4.261 pacientes adicionales de centros en España —Salamanca y Madrid—, Estados Unidos, Italia, Francia y Dinamarca. Los resultados demuestran que 'BL-predictor' es una herramienta robusta y adaptable a diferentes poblaciones a nivel global.
El estudio ha contado con la colaboración de destacados expertos internacionales y ha sido coordinado por María José Torres Jaén, referente internacional en alergia a fármacos, y Marina Labella, investigadora clave en el desarrollo del algoritmo. El proyecto ha contado con el apoyo de la Academia Europea de Alergia e Inmunología Clínica (EAACI).
