Gestión Asistida por Aprendizaje Automático de la Hipotensión Intraoperatoria para un Tratamiento Personalizado (HYPOGUARD)

La hipotensión intraoperatoria, comúnmente definida como una disminución de la presión arterial durante la cirugía, es un evento frecuente y clínicamente importante en pacientes sometidos a anestesia general. Numerosos estudios han demostrado que incluso breves períodos de presión arterial baja pueden asociarse con una perfusión orgánica comprometida y un mayor riesgo de complicaciones postoperatorias, incluyendo lesión renal aguda, lesión miocárdica, accidente cerebrovascular, estancia hospitalaria prolongada y aumento de la mortalidad. A pesar de la creciente conciencia de su impacto clínico, el manejo óptimo de la hipotensión intraoperatoria sigue siendo un desafío continuo en la práctica anestésica.

Los enfoques actuales para el manejo de la presión arterial intraoperatoria se basan en gran medida en umbrales generales, recomendaciones de guías y la experiencia individual de los anestesiólogos. En la práctica clínica rutinaria, la hipotensión a menudo se trata con administración de líquidos, agentes vasopresores, fármacos inotrópicos o combinaciones de estas intervenciones. Sin embargo, la hipotensión no es una entidad clínica única y uniforme. Puede surgir de diferentes mecanismos fisiológicos subyacentes, como hipovolemia, vasodilatación inducida por anestésicos, depresión miocárdica o anomalías en la frecuencia cardíaca. Estos mecanismos pueden coexistir o cambiar dinámicamente durante la cirugía, lo que hace que la toma de decisiones clínicas sea compleja.

En muchos casos, se aplican estrategias de tratamiento similares a pacientes con diferentes causas fisiológicas de hipotensión, lo que puede llevar a respuestas de tratamiento variables. Por ejemplo, la administración de líquidos puede ser efectiva en pacientes con hipovolemia, pero menos beneficiosa o incluso perjudicial en pacientes con vasodilatación predominante o función cardíaca comprometida. Asimismo, la terapia con vasopresores puede restaurar rápidamente la presión arterial en la hipotensión vasodilatadora, pero puede no abordar adecuadamente la hipotensión causada por bajo gasto cardíaco. Esto resalta la necesidad de un enfoque más individualizado y basado en la fisiología para el manejo de la hipotensión intraoperatoria.

Los avances recientes en la monitorización perioperatoria han permitido el registro continuo y de alta resolución de la presión arterial y parámetros hemodinámicos avanzados, como el gasto cardíaco, el volumen sistólico y la resistencia vascular sistémica. Al mismo tiempo, los desarrollos en aprendizaje automático e inteligencia artificial han creado nuevas oportunidades para analizar conjuntos de datos grandes y complejos, identificar patrones ocultos y generar conocimientos basados en datos que pueden no ser evidentes mediante métodos estadísticos tradicionales.

El objetivo principal de este estudio observacional prospectivo es mejorar la comprensión de la hipotensión intraoperatoria integrando una monitorización hemodinámica detallada con un análisis basado en aprendizaje automático. En lugar de centrarse en un único umbral de presión arterial o variables aisladas, este estudio busca caracterizar los episodios de hipotensión como eventos fisiológicos dinámicos e identificar subtipos distintos de hipotensión basados en patrones hemodinámicos subyacentes.

Este estudio está diseñado como una investigación no intervencionista y observacional y no altera la atención clínica de rutina. Todas las decisiones de manejo anestésico, incluida la prevención y el tratamiento de la hipotensión, serán tomadas por los anestesiólogos tratantes de acuerdo con la práctica clínica estándar y los protocolos institucionales. El equipo de investigación no proporcionará recomendaciones en tiempo real ni influirá en la toma de decisiones clínicas durante la cirugía. El papel del equipo de investigación se limita a la recopilación sistemática de datos, el procesamiento de datos y el análisis a posteriori.

Se incluirán pacientes adultos (≥18 años de edad) sometidos a procedimientos quirúrgicos electivos bajo anestesia general. Se requiere monitorización invasiva continua de la presión arterial para la inclusión, ya que permite una evaluación precisa, latido a latido, de la presión arterial y variables hemodinámicas derivadas de la forma de onda. Se excluirán cirugías de emergencia, pacientes con shock circulatorio grave, disfunción cardíaca avanzada o condiciones que impidan mediciones hemodinámicas confiables para garantizar la calidad de los datos y la seguridad del paciente.

Durante el período intraoperatorio, se registrarán continuamente a intervalos de tiempo predefinidos la presión arterial, la frecuencia cardíaca, el gasto cardíaco, el índice cardíaco, el volumen sistólico, el índice de volumen sistólico, la resistencia vascular sistémica y las variables dinámicas de precarga relacionadas. La hipotensión se definirá como una presión arterial media por debajo de un umbral clínicamente relevante mantenida durante una duración mínima. Cuando ocurra hipotensión, se documentará el tiempo de inicio, la duración, la gravedad y la frecuencia de cada episodio.

Además de los datos fisiológicos, se recopilará información detallada sobre las intervenciones terapéuticas. Esto incluye el tipo y la cantidad de líquidos intravenosos administrados, el uso de agentes vasopresores o fármacos inotrópicos, las estrategias de dosificación y el momento de las intervenciones en relación con el inicio de la hipotensión. La respuesta al tratamiento se evaluará midiendo el tiempo requerido para que la presión arterial regrese a valores objetivo predefinidos y evaluando los cambios en otros parámetros hemodinámicos después de la intervención.

Se aplicarán técnicas de aprendizaje automático al conjunto de datos recopilado para identificar patrones y agrupaciones dentro de los episodios de hipotensión. Se utilizarán métodos de aprendizaje no supervisado, como algoritmos de agrupación, para clasificar los eventos de hipotensión en subtipos basados en perfiles hemodinámicos. Se espera que estos subtipos reflejen diferentes mecanismos fisiológicos dominantes, como depleción de volumen, vasodilatación, depresión miocárdica o hipotensión relacionada con la frecuencia cardíaca.

En paralelo, se utilizarán modelos de aprendizaje supervisado para explorar las relaciones entre las características del paciente, los patrones hemodinámicos, las estrategias de tratamiento y las respuestas al tratamiento. Se analizarán variables como edad, sexo, índice de masa corporal, clasificación del estado físico, comorbilidades y características quirúrgicas para determinar su asociación con la ocurrencia de hipotensión, la distribución de subtipos y la respuesta a intervenciones específicas.

Uno de los objetivos clave de este estudio es evaluar si ciertos tratamientos son más efectivos para subtipos específicos de hipotensión o perfiles de pacientes. Al analizar los tiempos de respuesta al tratamiento y los patrones de recuperación hemodinámica, el estudio tiene como objetivo generar evidencia que respalde estrategias de tratamiento más dirigidas e individualizadas. Estos análisis no se utilizarán para guiar la atención del paciente durante el estudio, sino que formarán la base para la generación de hipótesis futuras y la investigación intervencionista.

Todos los datos recopilados se anonimizarán y almacenarán de forma segura de acuerdo con las regulaciones de protección de datos. Solo los miembros autorizados del equipo de investigación tendrán acceso al conjunto de datos. El estudio se adherirá a los principios éticos para la investigación clínica, y se obtendrá el consentimiento informado de todos los participantes antes de la inclusión.

El objetivo final de esta investigación es contribuir al desarrollo de enfoques basados en datos y personalizados para el manejo de la presión arterial intraoperatoria. Al combinar datos fisiológicos de alta calidad con métodos analíticos avanzados, este estudio tiene como objetivo proporcionar una comprensión más profunda de la hipotensión intraoperatoria y su naturaleza heterogénea. A largo plazo, los hallazgos pueden respaldar el desarrollo de sistemas de apoyo a la decisión clínica que ayuden a los anestesiólogos a seleccionar la estrategia de tratamiento más apropiada para cada paciente basada en información fisiológica en tiempo real.

Tales sistemas tienen el potencial de mejorar la seguridad del paciente, reducir la carga de complicaciones postoperatorias y mejorar la calidad de la atención perioperatoria sin reemplazar el juicio clínico. En cambio, están destinados a complementar la experiencia de los anestesiólogos al proporcionar conocimientos objetivos e individualizados derivados de patrones de datos complejos. Este estudio representa un paso importante hacia un manejo más preciso, personalizado y guiado por la fisiología de la hipotensión intraoperatoria.