En un caso ficticio, un hombre de 68 años con diabetes y enfermedad renal crónica (ERC) llega a la consulta con un número nuevo en el informe del laboratorio: riesgo de 24 por ciento de necesitar diálisis o trasplante en cinco años. A la semana siguiente, ingresado para una cirugía, aparece en una lista de "alto riesgo de lesión renal aguda" generada por un algoritmo de la historia clínica electrónica. Son dos predicciones sobre el mismo riñón, hechas por herramientas muy diferentes.

La primera viene de la Kidney Failure Risk Equation (KFRE), una ecuación con cuatro variables que ya fue validada en más de 30 países (Tangri et al., 2016). La segunda viene de un modelo de aprendizaje automático, la familia de herramientas que hoy recibe la etiqueta de inteligencia artificial (IA). Los dos tipos prometen lo mismo: avisar antes de que el riñón falle.

Este texto muestra qué ha demostrado ya cada herramienta, qué sigue siendo promesa y qué preguntas hacer antes de confiar en un número de riesgo. El foco está en tres ideas: discriminación, calibración e impacto clínico.

Puntos principales

• La KFRE de cuatro variables usa edad, sexo, filtración glomerular estimada y relación albúmina/creatinina en orina (Tangri et al., 2016).
• En 31 cohortes de más de 30 países, la KFRE discriminó bien quién llegaría a la insuficiencia renal, pero sobreestimó el riesgo en parte de las cohortes fuera de América del Norte (Tangri et al., 2016).
• Discriminar bien y estar bien calibrado son propiedades diferentes, y el uso individual de un modelo exige las dos (Huang et al., 2020).
• Un modelo de aprendizaje profundo predijo 55,8 por ciento de los episodios de lesión renal aguda con hasta 48 horas de antelación, a costa de dos alertas falsas por cada verdadera (Tomašev et al., 2019).
• Al llevarlo a otros hospitales, un modelo de lesión renal aguda tiende a perder desempeño (Song et al., 2020).
• En ensayos aleatorizados, las alertas automáticas de lesión renal aguda cambiaron conductas, pero no mejoraron los desenlaces de los pacientes (Wilson et al., 2021; Li et al., 2024).
• La OMS pide que la ética y los derechos humanos estén en el centro del diseño y del uso de la IA en salud (OMS, 2021).

Sumario

• Por qué predecir el riñón antes de que falle
• La KFRE: cuatro variables, discriminación y calibración
• La KFRE en la atención primaria y en el cribado
• Aprendizaje automático en la LRA y la validación externa
• Las alertas no bastan: qué muestran los ensayos
• Ética, equidad y gobernanza
• Cómo evaluar un modelo antes de confiar en él
• Cómo ayuda NEXO a entrenar ese razonamiento
• Preguntas frecuentes
• Take-home messages

Por qué predecir el riñón antes de que falle

Dos problemas, dos escalas de tiempo

La ERC evoluciona en años, y la pregunta clínica es quién va a necesitar diálisis o trasplante y cuándo. La ERC está aumentando en incidencia y prevalencia en el mundo, e identificar quién tiene riesgo de progresión puede mejorar el cuidado nefrológico (Tangri et al., 2016). Estadificar la enfermedad por la filtración y por la albuminuria, como en el texto sobre la estadificación de la ERC según KDIGO 2024, ya es una forma simple de estimar ese riesgo.

La lesión renal aguda (LRA) ocurre en horas o días. Complica entre 10 y 15 por ciento de las hospitalizaciones y más de la mitad de las hospitalizaciones en terapia intensiva, según la revisión citada por Song y colegas (Song et al., 2020). Quien sobrevive a un episodio tiene más riesgo de enfermedad cardiovascular y de progresión a ERC (Song et al., 2020).

Qué permite una buena predicción

En la ERC, una estimación confiable ayuda a decidir a quién derivar al nefrólogo, cuándo preparar el acceso vascular y cómo hablar con el paciente sobre el futuro. En la LRA, la ganancia esperada es actuar antes de que suba la creatinina: revisar medicamentos nefrotóxicos, ajustar líquidos y monitorizar la diuresis. El texto sobre lesión renal por medicamentos muestra cuántas de esas decisiones dependen de reconocer el riesgo a tiempo.

Una predicción solo tiene valor si cambia alguna decisión. Es la misma lógica de la probabilidad pretest: un número solo ayuda cuando desplaza la probabilidad hacia un lado en el que cambia la conducta.

La KFRE: cuatro variables, discriminación y calibración

Cómo nació la ecuación

Las KFRE se desarrollaron en 3449 pacientes con ERC en estadios 3 a 5 derivados al nefrólogo en Ontario, Canadá, y se validaron en pacientes derivados en Columbia Británica (Tangri et al., 2016). Las versiones preferidas tienen cuatro y ocho variables, todas basadas en edad, sexo y pruebas de laboratorio (Tangri et al., 2016).

La versión de cuatro variables solo necesita edad, sexo, filtrado glomerular estimado y relación albúmina/creatinina en orina (Tangri et al., 2016). Como todos esos datos ya están en el sistema del laboratorio, el riesgo se puede calcular y notificar automáticamente cada vez que se hacen las pruebas (Tangri et al., 2016).

La validación en 30 países

Para saber si la ecuación funcionaba fuera de Canadá, el CKD Prognosis Consortium reunió 31 cohortes con 721.357 participantes con ERC en estadios 3 a 5, en más de 30 países de cuatro continentes (Tangri et al., 2016). En una mediana de 4 años de seguimiento, hubo 23.829 episodios de falla renal, definida como inicio de diálisis o trasplante (Tangri et al., 2016).

La discriminación fue excelente, con estadístico C de 0,90 a 2 años y de 0,88 a 5 años, y fue similar en subgrupos de edad, raza y diabetes (Tangri et al., 2016). Las ecuaciones rehechas con los datos de todas las cohortes reunidas no aportaron mejoría (Tangri et al., 2016).

El ajuste regional

La calibración fue adecuada en las cohortes norteamericanas, pero la ecuación original sobreestimó el riesgo en parte de las cohortes de otras regiones (Tangri et al., 2016). Un factor de calibración que redujo el riesgo basal en 32,9 por ciento a 2 años y en 16,5 por ciento a 5 años mejoró la calibración en 12 de 15 cohortes no norteamericanas a 2 años y en 10 de 13 a 5 años (Tangri et al., 2016).

La proporción de pacientes con riesgo previsto superior a 20 por ciento a 2 años varió de 0,23 por ciento en una cohorte de Okinawa a 50 por ciento en la cohorte europea CRIB (Tangri et al., 2016). La misma ecuación, por lo tanto, se aplica a poblaciones con riesgos de base muy diferentes, y ahí es donde pesa la calibración local.

Ordenar pacientes o acertar el número

La discriminación mide la capacidad de ordenar a los pacientes por el riesgo; la calibración mide la concordancia entre el riesgo estimado y el riesgo real (Huang et al., 2020). Un modelo puede separar muy bien a quien tiene más y menos riesgo y, al mismo tiempo, errar el valor absoluto de la probabilidad.

El desempeño de los modelos clínicos suele publicarse con medidas de discriminación, pero el uso en predicciones individuales exige una calibración adecuada (Huang et al., 2020). Para el paciente del caso, la diferencia entre 24 y 12 por ciento de riesgo puede cambiar la conversación sobre acceso vascular, aunque el orden entre él y otros pacientes siga siendo el mismo.

Cómo se mide la calibración

El tutorial de Huang y colegas describe medidas como la calibración global, que compara el número esperado de eventos con el observado, y el escore de Brier, que es el error cuadrático medio entre el desenlace real y la probabilidad estimada (Huang et al., 2020). Los autores recuerdan que la prueba de Hosmer-Lemeshow todavía se usa mucho, pese a limitaciones conocidas (Huang et al., 2020).

Un ejemplo del propio tutorial muestra el problema: los modelos de riesgo de demencia en la comunidad sobreestimaron mucho la incidencia, y en un riesgo previsto de 40 por ciento la incidencia observada fue de apenas 10 por ciento (Huang et al., 2020). Un error de ese orden en un modelo renal llevaría a derivaciones, pruebas y conversaciones innecesarias.

Un resumen para la lectura de artículos

Propiedad	Pregunta que responde	Cómo suele aparecer	Ejemplo en nefrología
Discriminación	¿El modelo pone delante a los pacientes de mayor riesgo?	Estadístico C o área bajo la curva ROC	KFRE con estadístico C de 0,90 a 2 años (Tangri et al., 2016)
Calibración	¿El riesgo previsto coincide con el observado?	Calibración global, curvas de calibración, escore de Brier	Sobreestimación fuera de América del Norte (Tangri et al., 2016)
Validación externa	¿El desempeño se mantiene en otro lugar?	Cohortes de otros hospitales o países	Caída del desempeño entre hospitales (Song et al., 2020)
Impacto clínico	¿Usar el modelo mejora los desenlaces?	Ensayo aleatorizado	Alertas de LRA sin ganancia en desenlaces (Wilson et al., 2021)

Leer un modelo de riesgo con estas cuatro preguntas se parece a la calibración de la confianza en el diagnóstico: la pregunta es si la certeza declarada corresponde al acierto real.

La KFRE en atención primaria y en el cribado

La validación en atención primaria

La mayor parte de la ERC se controla fuera de los servicios de nefrología, y la KFRE tenía poca validación externa en atención primaria (Major et al., 2019). Un estudio británico incluyó a 35.539 personas con ERC en una población adulta de 630.504 atendidas en atención primaria (Major et al., 2019).

En esa cohorte, 176 personas llegaron a insuficiencia renal en 2 años y 429 en 5 años, y la discriminación fue excelente, con estadístico C de 0,932 a 2 años y de 0,924 a 5 años (Major et al., 2019). La ecuación, sin embargo, sobreestimó el riesgo en los grupos de menor riesgo, y reducir el riesgo basal mejoró la calibración en esos grupos a costa de cierta subestimación en los de riesgo más alto (Major et al., 2019).

Criterios de derivación basados en riesgo

Los autores simularon un criterio de derivación basado en riesgo de insuficiencia renal a 5 años igual o mayor que 5 por ciento por la KFRE, con o sin relación albúmina/creatinina igual o mayor que 70 mg/mmol (Major et al., 2019). Comparado con los criterios en uso, ese umbral redujo el número de personas elegibles para derivación que no evolucionaron a insuficiencia renal y derivó más temprano, con filtración más alta, a quienes evolucionaron (Major et al., 2019).

Los propios autores advierten que la cohorte provino de una sola región y que se necesitan validaciones en poblaciones más diversas antes de la implantación (Major et al., 2019).

La experiencia de una provincia canadiense

En Manitoba, Canadá, el servicio de nefrología pasó a usar en 2012 un umbral de riesgo de 3 por ciento a 5 años por la KFRE para cribar nuevas derivaciones de pacientes con ERC estadios 3 a 5 (Hingwala et al., 2017). Las derivaciones por debajo de ese umbral, y fuera de criterios como gestación o sospecha de glomerulonefritis, volvían a atención primaria con recomendaciones (Hingwala et al., 2017). En la gestante con ERC, el riesgo renal y obstétrico sigue una lógica propia, discutida en el texto sobre gestación en la enfermedad renal crónica.

El tiempo mediano de espera cayó de 230 días antes del cribado a 58 días después, aunque el número mensual de derivaciones subió de 68 a 94 (Hingwala et al., 2017). Los autores reconocen que no siguieron a largo plazo a los pacientes clasificados como de bajo riesgo (Hingwala et al., 2017).

Aprendizaje automático en la LRA y validación externa

Lo que mostró el modelo de aprendizaje profundo

En 2019, un grupo de DeepMind y del Departamento de Asuntos de Veteranos de Estados Unidos entrenó un modelo con registros electrónicos de 703.782 adultos de 172 centros de internación y 1062 ambulatorios (Tomašev et al., 2019). En cada momento de la internación, el modelo estima la probabilidad de LRA de cualquier estadio en las 48 horas siguientes (Tomašev et al., 2019).

El modelo predijo 55,8 por ciento de los episodios de LRA en la internación y 90,2 por ciento de las LRA que después exigieron diálisis, con hasta 48 horas de antelación y dos alertas falsas por cada verdadera (Tomašev et al., 2019). En ese punto de corte, el modelo llevaría a una evaluación clínica diaria de 2,7 por ciento de los internados (Tomašev et al., 2019).

Las cifras que quedan fuera del titular

El área bajo la curva ROC fue de 92,1 por ciento, pero el área bajo la curva de precisión y sensibilidad fue de 29,7 por ciento (Tomašev et al., 2019). La diferencia refleja la rareza del evento: cuando pocos pacientes tienen LRA, incluso un modelo que ordena bien genera muchas alarmas falsas.

Los autores reconocen que la población no representa a la población mundial: las mujeres eran 6,38 por ciento de los pacientes, y el desempeño fue menor en ese grupo (Tomašev et al., 2019). Validar el sistema en una población general exigiría entrenar y evaluar el modelo en otros conjuntos de datos representativos (Tomašev et al., 2019).

Validación interna y externa en tres sistemas de salud

Churpek y colegas probaron un modelo de gradient boosting en 495.971 internaciones de adultos en tres sistemas de salud de Estados Unidos (Churpek et al., 2020). El área bajo la curva para predecir LRA estadio 2 o mayor en 48 horas fue de 0,85 a 0,86 en los tres, y el modelo identificó la LRA estadio 2 en una mediana de 27 a 39 horas antes de que la creatinina se duplicara (Churpek et al., 2020).

Los autores señalan que definieron la LRA solo por la creatinina, porque el gasto urinario horario no estaba disponible para todos, y que el umbral ideal entre detección y alarmas falsas todavía necesita ensayos intervencionistas (Churpek et al., 2020).

Por qué un modelo empeora al cambiar de hospital

Song y colegas desarrollaron un modelo de LRA en un sistema de salud y lo probaron en seis sistemas independientes de la red PCORnet (Song et al., 2020). El trabajo mostró que la caída de desempeño entre sitios es probable y atribuyó esa caída a la heterogeneidad de los factores de riesgo entre poblaciones (Song et al., 2020).

La revisión de los autores resume el patrón de la literatura: los modelos tradicionales de LRA tuvieron un área bajo la curva de 0,71 a 0,80 en los estudios de derivación, de 0,66 a 0,80 en la validación interna y de 0,65 a 0,71 en la validación externa (Song et al., 2020). Los autores también recuerdan que el modelo de DeepMind se entrenó con registros de pacientes mayoritariamente hombres y blancos (Song et al., 2020).

Datos que cambian de nombre

Parte de la pérdida viene de detalles técnicos. En uno de los ejemplos, una variable de medicación faltaba en todos los sitios de validación externa por diferencias en la forma de registrar los remedios (Song et al., 2020). Los autores propusieron una medida para estimar, antes de la implantación, cuánto debe perder un modelo al ser transportado (Song et al., 2020).

Para quien usa la herramienta, la lección es práctica: un modelo validado en otro país o en otro tipo de hospital necesita probarse con los datos locales antes de orientar conductas. La KFRE mostró el mismo principio con el factor de calibración regional (Tangri et al., 2016).

Las alertas no bastan: qué muestran los ensayos

Un ensayo multicéntrico con alerta en la historia clínica

Wilson y colegas aleatorizaron a 6030 adultos internados con LRA, en seis hospitales, para recibir o no una alerta en la historia clínica electrónica con un conjunto de prescripciones sugeridas (Wilson et al., 2021). El desenlace principal combinaba progresión de la LRA, diálisis o muerte en 14 días (Wilson et al., 2021).

El desenlace ocurrió en 21,3 por ciento del grupo con alerta y en 20,9 por ciento del grupo con cuidado habitual, una diferencia sin significancia estadística (Wilson et al., 2021). En los dos hospitales no universitarios, sin embargo, la alerta se asoció a más desenlaces malos y a más muertes, 15,6 por ciento contra 8,6 por ciento (Wilson et al., 2021).

Por qué la alerta puede entorpecer

Los autores evaluaron si la fatiga de alertas explicaría el empeoramiento y no encontraron esa asociación; tampoco hallaron una explicación única para el posible daño (Wilson et al., 2021). Concluyen que la heterogeneidad del efecto entre hospitales debería llevar a una reevaluación de los sistemas de alerta de LRA en uso (Wilson et al., 2021). El texto sobre fatiga de alertas discute por qué los avisos en exceso pierden fuerza.

Un ensayo con alerta en el celular

En un hospital universitario de Nanjing, en China, Li y colegas aleatorizaron a 2208 adultos con LRA para recibir o no una alerta enviada al celular de los médicos, junto con un paquete de medidas generales de cuidado (Li et al., 2024). La variación máxima de la filtración estimada en 7 días fue parecida en los dos grupos, y los desenlaces centrados en el paciente, como muerte y diálisis, también (Li et al., 2024).

La alerta cambió el comportamiento: el grupo alertado recibió más líquidos intravenosos, menos antiinflamatorios no esteroides (5,0 contra 11,0 por ciento) y tuvo más registros de la LRA al alta (Li et al., 2024). Los autores sugieren combinar la alerta con intervenciones de alta calidad en estudios futuros (Li et al., 2024).

Qué enseñan estos ensayos

Predecir o detectar la LRA es solo el primer paso; el beneficio depende de lo que el equipo hace con el aviso. Un modelo con buena área bajo la curva, ligado a una respuesta clínica débil, puede no cambiar nada para el paciente. Lo mismo vale para otras emergencias reconocidas por escores, como en la sepsis en el triaje de enfermería.

Ética, equidad y gobernanza

La orientación de la OMS

En 2021, la OMS publicó la orientación Ethics and governance of artificial intelligence for health, fruto de consultas con un panel internacional de especialistas en ética, tecnología digital, derecho y derechos humanos y de ministerios de salud (OMS, 2021). El documento describe riesgos éticos y propone seis principios de consenso para que la IA beneficie al público de todos los países (OMS, 2021).

El comunicado de la OMS alerta contra sobreestimar los beneficios de la IA a costa de inversiones esenciales para la cobertura universal de salud (OMS, comunicado de 2021). También recuerda que sistemas entrenados sobre todo con datos de países de altos ingresos pueden funcionar mal en contextos de ingresos medios y bajos (OMS, comunicado de 2021).

La posición de la sociedad de nefrología

En 2026, un grupo de trabajo de la American Society of Nephrology publicó principios para el uso responsable de la IA en el cuidado renal: priorizar el beneficio al paciente, garantizar la supervisión clínica e incentivar la innovación en enfermedades de gran carga (Tangri et al., 2026). El punto de partida es que el médico permanezca siempre en el circuito de decisión (Tangri et al., 2026).

El documento señala como desafíos la calidad de los datos, la equidad, la transparencia y la integración al flujo clínico (Tangri et al., 2026). En el trasplante renal, los autores citan bases menores y fragmentadas y el riesgo de sesgo como barreras importantes (Tangri et al., 2026).

El riesgo de confiar demasiado

Cuando un número aparece en la pantalla, existe la tentación de aceptarlo sin crítica. El texto sobre sesgo de automatización explica cómo la confianza excesiva en sistemas automatizados lleva a errores, y el texto sobre uso de inteligencia artificial en el razonamiento clínico discute el papel de la IA de forma más amplia.

Cómo evaluar un modelo antes de confiar en él

Preguntas para el artículo

Antes de usar un modelo de riesgo renal, vale hacer cinco preguntas al artículo que lo describe:

1. ¿En qué población se desarrolló y quién quedó fuera? El modelo de DeepMind, por ejemplo, tuvo pocas mujeres (Tomašev et al., 2019).
2. ¿Hubo validación externa en otra población? Las áreas bajo la curva suelen caer en la validación externa (Song et al., 2020).
3. ¿Se informó la calibración, y no solo la discriminación? El uso individual exige las dos (Huang et al., 2020).
4. ¿Cuántas alertas falsas genera el modelo por acierto? En el modelo de DeepMind, fueron dos falsas por cada verdadera (Tomašev et al., 2019).
5. ¿Algún ensayo mostró beneficio para el paciente? Los ensayos de alertas de LRA mostraron cambio de conducta, pero no de desenlace (Wilson et al., 2021; Li et al., 2024).

Preguntas para el servicio

En el servicio, las preguntas cambian. ¿Los datos locales tienen el mismo formato que los datos de desarrollo? La diferencia en la forma de registrar medicamentos ya ha eliminado variables enteras en la transferencia entre hospitales (Song et al., 2020). ¿Quién va a responder a la alerta, con qué conducta y en cuánto tiempo? Registrar en la historia clínica el riesgo calculado y la decisión tomada, como en el texto sobre cómo organizar el razonamiento clínico en la historia clínica, ayuda a auditar el uso después.

Volviendo al caso

Para el hombre de 68 años, el riesgo del 24 por ciento en 5 años según la KFRE viene de una ecuación con buena discriminación en muchos países, pero cuya calibración debe comprobarse en la población local (Tangri et al., 2016). En un servicio que usara el umbral del 5 por ciento simulado en el estudio británico, él ya sería derivado al nefrólogo (Major et al., 2019).

La alerta de LRA durante la hospitalización merece atención, pero el beneficio depende de la respuesta clínica, ya que la alerta sola cambió conductas sin mejorar los desenlaces (Li et al., 2024). Si él también tiene anemia de la ERC, el texto sobre anemia en la ERC completa la evaluación. Manejar la incertidumbre que queda, como se discute en incertidumbre diagnóstica, forma parte del uso maduro de cualquier modelo, y la toma de decisiones clínicas sigue siendo del médico con el paciente.

Cómo NEXO ayuda a entrenar ese razonamiento

En NEXO, el caso del día es ficticio, con presentación clínica real y hasta seis pistas progresivas, y tú propones el diagnóstico buscando el código en la CIE-10. Leer un modelo de riesgo exige el mismo ejercicio: sopesar cada nueva información, revisar la probabilidad y decidir cuándo basta para actuar, como en el entrenamiento del diagnóstico diferencial con pistas.

Los límites de uso del juego están descritos en la página de economía de NEXO. Si investigas la enseñanza del razonamiento clínico, la página para Researcher explica cómo entrar en contacto. Los profesionales que escriben o revisan casos encuentran información en Curator y en Creators, y las instituciones pueden conocer la propuesta en la página para alianzas. Buscar el código correcto en la CIE-10 completa ese entrenamiento.

Preguntas frecuentes

¿Qué es la KFRE?

Es una ecuación que estima el riesgo de falla renal, definida como diálisis o trasplante, a 2 y 5 años; la versión de cuatro variables usa edad, sexo, filtración estimada y relación albúmina/creatinina (Tangri et al., 2016).

¿La KFRE funciona en cualquier país?

La discriminación fue excelente en 31 cohortes de más de 30 países, pero algunas regiones necesitaron un factor de calibración (Tangri et al., 2016).

¿Cuál es la diferencia entre discriminación y calibración?

La discriminación mide si el modelo ordena a los pacientes por el riesgo; la calibración mide si el riesgo previsto coincide con el observado (Huang et al., 2020).

¿La IA ya logra predecir la lesión renal aguda?

Modelos de aprendizaje automático predijeron parte de los episodios con hasta 48 horas de anticipación, con un costo de alertas falsas (Tomašev et al., 2019; Churpek et al., 2020).

¿Las alertas automáticas de LRA mejoran los desenlaces?

En los ensayos aleatorizados citados, las alertas cambiaron conductas, pero no redujeron la progresión, la diálisis ni la muerte (Wilson et al., 2021; Li et al., 2024).

¿Puedo usar un modelo validado en otro país?

Con cautela: el desempeño tiende a caer al cambiar de población, y se recomienda la validación local (Song et al., 2020).

Mensajes para llevar

• Usa la KFRE como estimación del riesgo de falla renal en la ERC estadios 3 a 5, recordando que la calibración puede variar por región (Tangri et al., 2016).
• Exige discriminación y calibración antes de usar un modelo para decisiones individuales (Huang et al., 2020).
• Considera criterios de derivación basados en el riesgo, que redujeron esperas y derivaciones de bajo riesgo (Hingwala et al., 2017; Major et al., 2019).
• Pregunta cuántas alertas falsas genera el modelo de LRA por cada acierto (Tomašev et al., 2019).
• Prueba el modelo con datos locales antes de implantarlo (Song et al., 2020).
• Asocia toda alerta a una respuesta clínica definida y mide el efecto en los desenlaces (Wilson et al., 2021).
• Mantén al médico en el circuito de decisión y evalúa equidad y transparencia (Tangri et al., 2026; OMS, 2021).

Inventario de hitos

• 2016: la KFRE se valida en 31 cohortes de más de 30 países (Tangri et al., 2016).
• 2017: Manitoba reporta la selección de derivaciones mediante la KFRE (Hingwala et al., 2017).
• 2019: la KFRE se valida en la atención primaria británica (Major et al., 2019).
• 2019: un modelo de aprendizaje profundo predice la LRA con hasta 48 horas de anticipación (Tomašev et al., 2019).
• 2020: estudios muestran validación externa en tres sistemas y pérdida de desempeño entre hospitales (Churpek et al., 2020; Song et al., 2020).
• 2021: la OMS publica su orientación sobre ética y gobernanza de la IA en salud (OMS, 2021).
• 2021: un ensayo multicéntrico de alertas de LRA no muestra beneficio en los desenlaces (Wilson et al., 2021).
• 2026: la American Society of Nephrology publica principios para el uso responsable de la IA (Tangri et al., 2026).

Referencias

1. World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Ginebra: OMS; 2021. ISBN 9789240029200. Texto completo.
2. World Health Organization. WHO issues first global report on Artificial Intelligence (AI) in health and six guiding principles for its design and use. Comunicado, 28 jun. 2021. Texto completo.
3. Tangri N, Grams ME, Levey AS, et al. Multinational Assessment of Accuracy of Equations for Predicting Risk of Kidney Failure: A Meta-analysis. JAMA. 2016;315(2):164-174. PMID 26757465. DOI 10.1001/jama.2015.18202.
4. Major RW, Shepherd D, Medcalf JF, et al. The Kidney Failure Risk Equation for prediction of end stage renal disease in UK primary care: An external validation and clinical impact projection cohort study. PLoS Med. 2019;16(11):e1002955. PMID 31693662. DOI 10.1371/journal.pmed.1002955.
5. Hingwala J, Wojciechowski P, Hiebert B, et al. Risk-Based Triage for Nephrology Referrals Using the Kidney Failure Risk Equation. Can J Kidney Health Dis. 2017;4:2054358117722782. PMID 28835850. DOI 10.1177/2054358117722782.
6. Tomašev N, Glorot X, Rae JW, et al. A clinically applicable approach to continuous prediction of future acute kidney injury. Nature. 2019;572(7767):116-119. PMID 31367026. DOI 10.1038/s41586-019-1390-1.
7. Churpek MM, Carey KA, Edelson DP, et al. Internal and External Validation of a Machine Learning Risk Score for Acute Kidney Injury. JAMA Netw Open. 2020;3(8):e2012892. PMID 32780123. DOI 10.1001/jamanetworkopen.2020.12892.
8. Song X, Yu ASL, Kellum JA, et al. Cross-site transportability of an explainable artificial intelligence model for acute kidney injury prediction. Nat Commun. 2020;11(1):5668. PMID 33168827. DOI 10.1038/s41467-020-19551-w.
9. Wilson FP, Martin M, Yamamoto Y, et al. Electronic health record alerts for acute kidney injury: multicenter, randomized clinical trial. BMJ. 2021;372:m4786. PMID 33461986. DOI 10.1136/bmj.m4786.
10. Li T, Wu B, Li L, et al. Automated Electronic Alert for the Care and Outcomes of Adults With Acute Kidney Injury: A Randomized Clinical Trial. JAMA Netw Open. 2024;7(1):e2351710. PMID 38241047. DOI 10.1001/jamanetworkopen.2023.51710.
11. Huang Y, Li W, Macheret F, et al. A tutorial on calibration measurements and calibration models for clinical prediction models. J Am Med Inform Assoc. 2020;27(4):621-633. PMID 32106284. DOI 10.1093/jamia/ocz228.
12. Tangri N, Cheungpasitporn W, Crittenden SD, et al. Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology. J Am Soc Nephrol. 2026;37:881-890. PMID 41201255. DOI 10.1681/asn.0000000929.

Juega el caso del día en NEXO.