Fecha de parto predicha por una IA a partir solo de imágenes de ecografía: validación externa en cuatro hospitales públicos chilenos, y una ventaja que se debe sobre todo a un sesgo de la regla de los 280 días

Un equipo chileno evaluó, sin reentrenarlo, un software comercial que predice el número de días que faltan para el parto a partir solo de imágenes de ecografía, en 3.788 exámenes de 2.550 embarazos en cuatro hospitales públicos. El modelo se equivoca en promedio 6,9 días frente a 11,6 días de la fecha probable de parto calculada con la regla de los 280 días, y 6,4 frente a 13,2 días cuando el embarazo no fue datado en el primer trimestre. Pero los propios autores muestran que la mayor parte de esa diferencia desaparece si se corrige simplemente el sesgo de la fecha probable en esta población: la ganancia real es más modesta que la cifra principal y concierne sobre todo a los embarazos mal datados.

El contexto

La fecha probable de parto (FPP) se calcula sumando 280 días, es decir 40 semanas, al inicio del embarazo. Ese punto de partida se estima por la fecha de la última regla o, mejor, por la medición del embrión en el primer trimestre (la longitud cráneo-caudal, o LCC). Sin embargo, el nacimiento rara vez ocurre el día previsto, y una parte importante de las mujeres no tiene ecografía precoz: embarazo descubierto tarde, control tardío, trayectoria migratoria. Para ellas, la datación es incierta, y también la organización del parto.

Ultrasound AI, una empresa de Lexington (Kentucky), comercializa un modelo que predice directamente el tiempo hasta el nacimiento a partir de imágenes de ecografía, sin mediciones, sin edad gestacional ni datos clínicos de entrada. El estudio de desarrollo, PAIR (Patel et al., Journal of Maternal-Fetal & Neonatal Medicine, 2025), incluyó a 5.714 pacientes de un solo centro, la Universidad de Kentucky. Según la prensa especializada, el producto, llamado Delivery Date AI, obtuvo en 2026 una autorización de la FDA por la vía De Novo, como herramienta complementaria cuando la datación por la regla o por biometría no es fiable. Faltaba una evaluación independiente fuera de Estados Unidos.

El método

Se trata de una validación externa: se aplica un modelo congelado a datos que nunca ha visto, procedentes de otra población. Los autores analizaron a posteriori las salidas de un sistema desplegado de marzo de 2021 a noviembre de 2025 en cuatro hospitales públicos de la zona de Santiago: Barros Luco Trudeau (1.563 exámenes), Padre Hurtado (1.310), El Pino (527) y Dr. Luis Tisné Brousse (388). El informe sigue TRIPOD+AI, la guía de buenas prácticas para publicar un modelo predictivo.

El modelo recibe las imágenes de un examen (mediana de 14 imágenes) y devuelve cuantiles, es decir, un rango de predicción: por ejemplo, «80 % de probabilidad de que el nacimiento ocurra entre tal y tal día». Su arquitectura no se describe, porque el software es propietario. De 4.515 exámenes vinculados a un desenlace, los autores excluyeron 402 exámenes de embarazos gemelares y 325 exámenes con datos insuficientes, y conservaron 3.788. Un tercio de los embarazos (33,4 %) aporta varios exámenes; por eso los intervalos de confianza se calculan con un bootstrap a nivel de embarazo (3.000 remuestreos), lo que evita contar dos veces a la misma paciente como si fuera independiente.

La población es diversa: 34,4 % de mujeres migrantes (14,6 % venezolanas y 8,4 % haitianas, entre otras), 16,6 % de sospecha de restricción del crecimiento fetal, 12,8 % de diabetes gestacional. El 12,5 % de los embarazos no tenía datación fiable en el primer trimestre. El comparador es la FPP clínica oficial. La métrica principal es el error absoluto medio (MAE), la diferencia promedio en días entre la fecha predicha y la real, sin tener en cuenta el signo.

Los resultados

En métricas de ML: el MAE del modelo es de 6,9 días (IC 95 % 6,7 a 7,0), frente a 11,6 días (11,2 a 12,2) de la FPP, es decir 4,8 días menos (p < 0,001). El modelo supera a la FPP en el 69,2 % de los exámenes. En mujeres sin datación fiable, su MAE es de 6,4 días frente a 13,2. En los partos prematuros (antes de 37 semanas, 262 exámenes), es de 10,8 días frente a 37,5: lógico, ya que una FPP fijada en 40 semanas no puede anticipar un nacimiento precoz. El error varía poco entre hospitales (6,0 a 7,7 días). Los rangos están bien calibrados: el intervalo nominal de alrededor del 94 % contiene la fecha real en el 96,5 % de los casos, con un ancho medio de 41,4 días.

La cifra más importante está en otro lugar. En esta cohorte, la FPP clásica presenta un sesgo sistemático de 10,8 días: la regla de los 280 días está desplazada respecto de las fechas reales de nacimiento de esta población, y no es un efecto de las inducciones (sesgo de 10,8 días en los partos espontáneos y de 10,9 en los inducidos). Los autores construyen entonces una FPP «oráculo», corregida de ese desplazamiento medio. Frente a ella, la ventaja del modelo cae a 0,7 días, diferencia no significativa (p = 0,19). Limitada a los partos espontáneos, queda una ventaja de precisión: 6,3 días frente a 8,2.

Traducción clínica, por cada 1.000 exámenes: el modelo sitúa el nacimiento a menos de una semana de la fecha real en 568 casos, frente a 376 con la FPP bruta; a menos de dos semanas en 924 casos frente a 729; y se equivoca en más de cuatro semanas en 3 casos frente a 40. Pero buena parte de esta ganancia se obtendría desplazando simplemente todas las FPP en el mismo valor, un ajuste local que no requiere IA.

Lo que está bien

Primero, una verdadera validación externa: un modelo estadounidense congelado, aplicado en otro país, en cuatro hospitales públicos, durante casi cinco años y 2.550 embarazos, con una población migrante importante. Es exactamente el tipo de estudio que falta para dispositivos autorizados sobre la base de un solo centro.

Segundo, una honestidad poco frecuente: los autores publican el análisis «oráculo» que reduce su propio resultado principal a una diferencia no significativa, y lo escriben en el resumen. Añaden análisis de sensibilidad (partos espontáneos, un solo examen por embarazo, primer y último examen) que dan todos MAE cercanos a 7 días.

Tercero, la calibración de los rangos se informa hospital por hospital (cobertura del 96 al 99 % para el intervalo del 94 %), y la comparación en ventanas de edad gestacional equivalentes muestra que el modelo funciona igual de bien en mujeres mal datadas (7,3 frente a 7,1 días entre 14 y 28 semanas). Es la población para la que la herramienta está indicada.

Lo que está menos bien

Primero, un comparador sesgado. La FPP bruta, desplazada 10,8 días, es un adversario fácil; el verdadero competidor, la biometría fetal medida en el mismo examen (fórmulas de Hadlock), no pudo evaluarse por falta de mediciones archivadas. Los autores lo reconocen. Sin esta comparación, no se sabe si el modelo aporta algo más que una ecografía clásica bien interpretada.

Segundo, un riesgo de shortcut learning, o aprendizaje por atajo, imposible de verificar: un modelo que solo ve imágenes puede estimar sobre todo el tamaño del feto, es decir, rehacer implícitamente una biometría, en lugar de detectar signos de maduración propios del final del embarazo. Al ser el software cerrado (arquitectura, pesos y datos de entrenamiento no disponibles), no fue posible ningún análisis de explicabilidad. A ello se suma una métrica engañosa: un R² de 0,97 parece espectacular, pero está inflado por la amplitud de los plazos, de unos días a unos seis meses según el momento del examen; el MAE y los porcentajes a 7 y 14 días son más elocuentes.

Tercero, los límites del marco: estudio retrospectivo de un sistema desplegado, sin medir su efecto sobre las decisiones (inducciones, traslados, organización de las maternidades); un solo país y solo el sector público; 727 exámenes excluidos; sin corrección por comparaciones múltiples entre subgrupos. En cuanto a independencia, los autores no declaran conflictos de interés e indican que la empresa no financió ni orientó el estudio, pero el estudio no tuvo financiación específica, y en la versión preprint que leímos los enlaces al código de análisis (Zenodo, GitHub) seguían siendo marcadores por completar.

Lo que cambia

Para la comunidad investigadora: es un modelo de informe útil, que muestra cómo separar la parte de una ganancia debida a la corrección de un sesgo poblacional de la parte debida a una precisión adicional real. El siguiente paso evidente es una comparación directa con la biometría del mismo examen y un estudio prospectivo que mida desenlaces clínicos.

Para los clínicos: en una mujer datada en el primer trimestre, el aporte es pequeño, y una recalibración local de la FPP puede captar la mayor parte. En una mujer que llega tarde sin datación fiable, un rango calibrado con alrededor de una semana de error medio puede ayudar a organizar el seguimiento, como complemento del juicio clínico y no en su lugar. El rango del 94 % sigue siendo amplio (más de 40 días).

Para las pacientes y el público: la IA no «adivina» el día del nacimiento. Puede reducir la incertidumbre donde falta la datación, pero este estudio también recuerda que una regla tan antigua como la de las 40 semanas merece ajustarse a la población a la que se aplica.

Para saber más

Artículo publicado: npj Digital Medicine, 5 de noviembre de 2026 (DOI 10.1038/s41746-026-03453-0), Alliende-Ferrada, Inostroza, Stern, Pérez-Cotapos, Ruz et al. Versión preprint: Research Square rs-9999161 (DOI 10.21203/rs.3.rs-9999161/v1). Estudio de desarrollo: Patel et al., «Perinatal artificial intelligence in ultrasound (PAIR) study: predicting delivery timing», J Matern Fetal Neonatal Med 2025, DOI 10.1080/14767058.2025.2532099. Guía de reporte: TRIPOD+AI.

Nota de transparencia editorial: este artículo fue producido por la cadena editorial automatizada de Tatakoto a partir de la versión preprint (Research Square, junio de 2026); no se pudo consultar la versión final publicada en npj Digital Medicine y algunas cifras pueden diferir ligeramente. Las versiones en inglés, español y chino son generadas por IA. ¿Un error? Contáctanos.