Una herramienta desarrollada desde Málaga puede cambiar la forma en la que se diagnostican las alergias a la penicilina y a otros antibióticos betalactámicos. Un equipo de investigación liderado por la jefa del Servicio de Alergología del Hospital Regional Universitario de Málaga, catedrática de la Facultad de Medicina de la Universidad de Málaga e investigadora de IBIMA Plataforma BIONAND, María José Torres Jaén, junto a la investigadora Marina Labella, ha desarrollado y validado un nuevo sistema clínico apoyado en Inteligencia Artificial para detectar falsas etiquetas de alergia.
La herramienta, denominada Betalactam-Predictor o BL-predictor, permite identificar de forma rápida y segura a pacientes que figuran en su historial médico como alérgicos a la penicilina, pero que en realidad no lo son. Según las investigadoras, el sistema “simplifica los procedimientos diagnósticos, permitiendo la retirada de falsos diagnósticos de forma rápida y segura”.
El avance tiene una importante dimensión sanitaria. Se estima que cerca del 10% de la población tiene registrada una etiqueta de alergia a los antibióticos betalactámicos, grupo en el que se encuentra la penicilina. Sin embargo, solo entre el 5% y el 30% de ese porcentaje corresponde realmente a pacientes alérgicos. Es decir, una parte muy significativa de esas personas podría estar evitando este tipo de antibióticos sin necesidad.
Esa falsa etiqueta no es un detalle menor. Cuando un paciente aparece como alérgico a la penicilina, los médicos deben recurrir a antibióticos de segunda línea, que suelen ser menos eficaces, más caros y con mayores efectos secundarios. Además, este uso inadecuado contribuye al aumento de las resistencias bacterianas y puede prolongar las estancias hospitalarias.
El funcionamiento de BL-predictor se basa en un cuestionario de ocho preguntas que analiza distintos factores de la historia clínica del paciente. Entre ellos, el tipo de síntomas que presentó, si hubo anafilaxia, el tiempo transcurrido desde la reacción o si necesitó tratamiento. La principal novedad es que las variables del cuestionario fueron seleccionadas y optimizadas mediante técnicas de aprendizaje automático o Machine Learning.
Los resultados sitúan a esta herramienta como una solución especialmente precisa. En su validación internacional, BL-predictor ha alcanzado una especificidad del 93%, lo que supone un incremento del 25% en precisión respecto a las herramientas de decisión clínica más utilizadas hasta ahora.
El estudio, publicado en la revista científica Allergy, comenzó con una cohorte de 2.207 pacientes en el Hospital Regional de Málaga. Posteriormente, la herramienta fue sometida a una validación externa con otros 4.261 pacientes de centros de España, concretamente Salamanca y Madrid, además de Estados Unidos, Italia, Francia y Dinamarca.
Los datos obtenidos muestran que BL-predictor es una herramienta robusta y adaptable a diferentes poblaciones a nivel global. Según los hallazgos de la investigación, su fiabilidad podría permitir el desetiquetado de pacientes incluso fuera de las unidades especializadas de alergia, lo que reduciría costes, riesgos asociados y carga asistencial.
El proyecto 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. Además, ha recibido el apoyo de la Academia Europea de Alergia e Inmunología Clínica (EAACI).
