Un equipo de investigadores de la UNSAM y otros centros de salud de Argentina ha desarrollado un modelo predictivo que permite identificar, en los recién nacidos prematuros, el riesgo de padecer graves problemas respiratorios, como la displasia broncopulmonar, facilitando intervenciones tempranas y potencialmente salvavidas.

¿Por qué es importante?

La prematuridad, definida como el nacimiento antes de las 37 semanas de gestación, sigue siendo una de las principales causas de morbilidad neonatal. Entre sus complicaciones, la displasia broncopulmonar (DBP) se destaca como la enfermedad pulmonar crónica más frecuente en este grupo, afectando a un %10?15 de los menores de 32 semanas de gestación.

El avance científico

Investigadores de la Universidad Nacional de San Martín (UNSAM) anunciaron la creación de un método que combina variables clínicas tempranas (peso al nacer, historia de ventilación mecánica, oxígeno suplementario, entre otras) con análisis de biomarcadores para generar un score capaz de predecir la aparición de DBP con precisión prometedora.

El modelo fue validado en una cohorte de bebés prematuros atendidos en unidades neonatales argentinas, mostrando una buena capacidad discriminatoria en los primeros días de vida, lo que abre la posibilidad de iniciar tratamientos preventivos antes de que la enfermedad se consolide.

Implicancias clínicas

Una predicción temprana permite a neonatólogos y pediatras:

• Seleccionar a los pacientes que requieren intervenciones respiratorias avanzadas (por ejemplo, terapia con corticoides o ventilación no invasiva).
• Optimizar el uso de recursos en unidades de cuidados intensivos neonatales.
• Reducir la duración de la hospitalización y mejorar el pronóstico a largo plazo de los niños.

Contexto nacional e internacional

Esta investigación se suma a otros hallazgos publicados por medios como Infobae, Clarin.com, La Voz del Interior y El Destape, que resaltan el liderazgo de la comunidad científica argentina en el estudio de la salud neonatal. El desarrollo de herramientas predictivas basadas en datos locales facilita su adaptación a la realidad del sistema de salud del país.

Próximos pasos

Los autores planean ampliar la muestra de validación y explorar la integración del algoritmo en plataformas electrónicas de historia clínica, permitiendo alertas automáticas al personal médico. Asimismo, se evalúan ensayos clínicos para determinar el impacto real de las decisiones tempranas basadas en la predicción.

← Volver al inicio