Implantación de un programa de cribado de Enfermedad Renal Crónica basado en Inteligencia Artificial

Abstract

Antecedentes y Objetivos: La enfermedad renal crónica (ERC) representa un importante problema de salud debido a su alta prevalencia y las complicaciones asociadas. A menudo no se diagnostica hasta etapas avanzadas, por lo que su detección precoz es clave. La inteligencia artificial (IA) está transformando los laboratorios clínicos, y una de sus aplicaciones son los Sistemas de Ayuda a la Decisión Clínica (CDSS). Estas soluciones digitales están diseñadas para ayudar a los profesionales sanitarios en la toma de decisiones clínicas y pueden ser fundamentales en el cribado oportunista para facilitar la detección y el manejo precoz de la ERC. Los objetivos de este estudio fueron explorar un nuevo método de cribado de ERC en pacientes de atención primaria utilizando un CDSS. Método: Se llevó a cabo un estudio observacional de cohorte retrospectivo en pacientes que acudían a centros de atención primaria por cualquier motivo y que requerían análisis de laboratorio. El CDSS identificó a los pacientes elegibles para un posible cribado de ERC, basándose en los criterios de inclusión definidos por un documento de consenso de Sociedades Científicas Nacionales españolas. El CDSS ofrecía a los clínicos la opción de evaluar el riesgo de ERC y añadir las pruebas de relación albúmina/creatinina en orina (ACR) y la tasa de filtración glomerular estimada (FGe). El coste de los reactivos para ACR fue de 0,26 € para el análisis por tira reactiva y 0,62 € para la cuantificación. Resultados: Durante el periodo de estudio se analizaron 18377 solicitudes, y 1515 pacientes fueron seleccionados para cribado de ERC. Esto representó el 8,2% de las solicitudes y el 5,8% de la población. El CDSS clasificó a 1.222 pacientes (92,7%) como de bajo riesgo de ERC. Noventa y seis pacientes (7,3%) fueron identificados como de riesgo moderado. De estos, 11 fueron directamente clasificados con ERC, mientras que 85 requerían confirmación de valores, de los cuales 43 fueron finalmente confirmados. En total, se identificaron 54 pacientes (4,1%) con ERC. El análisis de costes mostró un gasto de 0,51 € por paciente cribado. El coste por paciente con ERC identificado fue de 12,4 €. Conclusión: El cribado oportunista de ERC es factible, coste-efectivo y bien aceptado. Las tasas de aceptación y la identificación significativa de pacientes de alto riesgo respaldan su utilidad para la detección y el manejo de la ERC. Futuros estudios deberían ampliar esta estrategia y evaluar sus impactos a largo plazo.

Background and Aims: Chronic Kidney Disease (CKD) is a significant global health concern due to its high prevalence and associated complications. Often undiagnosed until advanced stages, early detection is crucial for effective management. Artificial intelligence (AI) is transforming clinical laboratories, and one of its applications is Clinical Decision Support Systems (CDSS). These digital solutions are designed to assist healthcare professionals in making clinical decisions and can be instrumental in opportunistic screening to facilitate early CKD detection and management. The objectives were to explore a new method to screening for CKD in PCC patients using a CDSS, and to present the results of a pilot study. Method: A cross-sectional intervention study was conducted, in patients visiting primary care centers for any reason and requiring laboratory tests. The CDSS identified patients eligible for potential CKD screening based on inclusion criteria that implemented a Spanish National Scientific Societies consensus document. The CDSS offered clinicians the option to assess CKD risk and add urine albumin/creatinine ratio (ACR) and estimated glomerular filtration rate (eGFR) tests. The reagent costs for ACR were 0.26€ for strip analysis and 0.62€ for quantification. Results: During the study period, 18,377 requests were analyzed, and 1,515 patients were flagged for CKD screening. This represented 8.2% of requests and 5.8% of the population. The CDSS classified 1,222 patients (92,7%) as low CKD risk. Ninety-six patients (7.3%) were identified as moderate risk. Of these, 11 patients were directly classified as CKD, while 85 required confirmation of values, with 43 ultimately confirmed. Overall, fifty-four patients (4.1%) were identified with CKD. The cost analysis showed an expense of 0.51€ per screened patient. The total reagent expenditure was 671.28€. The cost per identified CKD patient was 12.4€. Conclusion: Opportunistic CKD screening is feasible, cost-effective, and well-received. The acceptance rates and significant identification of high-risk patients support CKD detection and management. Future research should expand this approach and evaluate long-term impacts.