Hepatitis C no diagnosticada: un modelo explicable entrenado con las historias clínicas de toda Andalucía detecta el 63 % de los casos, pero solo una alerta de cada catorce es un caso real

Un equipo andaluz entrenó un modelo de aprendizaje automático interpretable con las historias clínicas de la región, que incluyen 25 028 diagnósticos de hepatitis C realizados entre 2017 y 2024, para localizar a personas infectadas que aún no lo saben. Probado sin modificaciones en una muestra aleatoria de 2024, detecta el 63,5 % de los futuros diagnósticos, pero solo el 7 % de los pacientes que señala tiene realmente la enfermedad. Es un trabajo metodológicamente cuidadoso en varios aspectos que sigue siendo una prueba de concepto: una sola región, sin comparación numérica con las estrategias de cribado existentes y con una «auditoría de sesgos» cuyos resultados no aparecen en el texto.

El contexto

La hepatitis C es una infección viral del hígado que a menudo evoluciona sin síntomas durante años, hasta la cirrosis o el cáncer de hígado. Desde la llegada de los antivirales de acción directa, unas semanas de comprimidos curan a la gran mayoría de los pacientes. El cuello de botella ya no es el tratamiento sino el diagnóstico: según los autores, entre el 25 y el 30 % de las infecciones activas en España siguen sin diagnosticar.

Coexisten dos estrategias clásicas: cribar a todo el mundo en ciertos tramos de edad, o centrarse en personas con factores de riesgo conocidos (uso de drogas inyectables, VIH, transfusiones antiguas). La segunda pierde muchos casos; la primera es cara. De ahí la idea, ya explorada en Estados Unidos, Israel o Corea, de usar los datos que ya están en la historia clínica (analíticas, diagnósticos codificados) para señalar automáticamente a los pacientes que conviene analizar. Los modelos publicados muestran AUC de entre 0,77 y 0,95 aproximadamente. La pregunta no es «¿es factible?», sino «¿es utilizable, y a qué precio en falsos positivos?».

El método

Los datos proceden de la Base Poblacional de Salud (BPS), que cubre a más de 16 millones de usuarios del sistema público andaluz, analizados en un entorno seguro. Los casos son todas las personas diagnosticadas de hepatitis C entre 2017 y 2024 (n = 25 028); el texto no precisa la definición exacta (códigos diagnósticos, serología o ARN viral). Para el entrenamiento, cada caso se empareja con controles del mismo sexo, edad y distrito sanitario, con una proporción real de unos 9,2 controles por caso (213 404 controles).

Las variables de entrada son enfermedades crónicas codificadas (VIH, dependencia de sustancias, obesidad, diabetes, EPOC, etc.) y resúmenes estadísticos (media, desviación típica, mínimo, máximo) de analíticas: transaminasas ALT y AST, plaquetas, GGT, hemoglobina, entre otras. Solo se usan datos registrados al menos 30 días antes de la fecha del diagnóstico, para limitar la fuga de información (data leakage): sin ese margen, el modelo vería las pruebas pedidas precisamente porque ya se sospechaba una hepatitis.

El modelo es un Explainable Boosting Machine (EBM), desarrollado por Microsoft Research en la biblioteca InterpretML. Es un modelo aditivo: la predicción es la suma de las contribuciones de cada variable, cada una aprendida por boosting (una sucesión de pequeños árboles de decisión que corrigen los errores de los anteriores). Así se puede mostrar, para cada variable, la curva exacta de su efecto sobre el riesgo. Se compara con una regresión logística regularizada.

La validación es temporal: entrenamiento con los diagnósticos de 2017-2022, ajuste del umbral de decisión en 2023 para garantizar al menos un 60 % de sensibilidad (la proporción de enfermos que el modelo señala) y prueba «a ciegas» en 2024. Un punto clave: el conjunto de prueba no está emparejado. Contiene 1 881 casos y 193 054 controles extraídos al azar de la población, es decir, una prevalencia de alrededor del 1 %. Es más realista que los conjuntos equilibrados que se ven a menudo. Tras una revisión de explicabilidad, los autores retiraron dos variables que consideraron reflejo sobre todo de desventaja social (el tramo de copago farmacéutico, ligado a la renta, y un índice de privación de la zona), además de la dislipemia, sin justificación escrita para esta última.

Los resultados

En métricas de ML, en el conjunto de prueba de 2024: AUC de 0,837 (0,826 en validación, 0,841 en entrenamiento). El AUC, o área bajo la curva ROC, mide la capacidad de ordenar a un enfermo por encima de un sano: aquí, en alrededor del 84 % de las parejas tomadas al azar. En el umbral elegido, sensibilidad del 63,5 % (1 195 de 1 881 casos), especificidad del 91,8 %, valor predictivo positivo (VPP, la probabilidad de que un paciente señalado esté realmente infectado) del 7,0 % y valor predictivo negativo del 99,6 %. El área bajo la curva precisión-exhaustividad, más exigente cuando los positivos son raros, cae a 0,240 en prueba frente a 0,542 en validación, una caída explicada en gran parte por el paso de un conjunto emparejado a una prevalencia del 1 %.

Las variables más influyentes son el valor mínimo de ALT (una transaminasa elevada de forma persistente indica daño hepático), la infección por VIH, la dependencia de sustancias distintas del tabaco y las estadísticas de plaquetas. El rendimiento disminuye cuando se impone un margen mayor entre los datos y el diagnóstico (de 30 a 720 días). La calibración, es decir, la concordancia entre probabilidad predicha y riesgo real, es imperfecta: el modelo subestima el riesgo en las probabilidades altas, y las recalibraciones probadas no se adoptaron.

Traducción clínica, a partir de los efectivos publicados y llevada a 1 000 personas de la población de prueba (de las que unas 10 recibirán un diagnóstico en 2024): el modelo señala a unas 88. De ellas, 6 son casos reales y 81 son falsos positivos; 3 o 4 casos se escapan. Hay que analizar, por tanto, a unas 14 personas señaladas para encontrar una infección. En una población con menor prevalencia que este conjunto de prueba, por ejemplo del 0,3 %, la misma sensibilidad y especificidad darían un VPP de alrededor del 2 %, un caso por unas cincuenta pruebas.

Lo que está bien

Primero, un conjunto de prueba realista. Muchos modelos de cribado se evalúan en conjuntos emparejados o equilibrados que inflan el VPP. Aquí el umbral se fija en 2023 y se aplica después a una muestra aleatoria de 2024 con alrededor del 1 % de prevalencia, y los autores publican el VPP del 7 % y la tasa de falsos descubrimientos del 93 % en lugar de esconderlos tras el AUC.

Segundo, un modelo realmente legible. El EBM muestra el efecto de cada variable, y eso tuvo un uso concreto: la revisión de explicabilidad llevó a retirar dos variables socioeconómicas que el modelo usaba como atajo. El margen de 30 días antes del diagnóstico y el análisis de sensibilidad hasta 720 días muestran una atención real a la fuga de información.

Tercero, la escala y la sobriedad de los datos. Una base poblacional de más de 16 millones de usuarios, 25 028 casos y solo datos recogidos de forma rutinaria: ninguna prueba adicional, ninguna imagen. Si el enfoque se confirma, puede desplegarse a bajo coste en cualquier sistema sanitario con un almacén de datos comparable.

Lo que está menos bien

Primero, un riesgo de shortcut learning (aprendizaje por atajo) inscrito en la propia etiqueta. El modelo aprende a predecir quién recibirá un diagnóstico, no quién está infectado. Las personas con VIH o en seguimiento por dependencias son precisamente las que ya más se analizan; que estas variables encabecen la lista no sorprende y dice poco sobre la capacidad de encontrar infecciones realmente ocultas en pacientes sin factores de riesgo conocidos. Además, el conjunto de prueba presenta una diferencia de perfil: los casos tienen de media 59,5 años y un 67,9 % son hombres, frente a 49,9 años y un 48,6 % de hombres en los controles aleatorios. La edad y el sexo no son variables del modelo, pero sí lo son enfermedades crónicas y valores analíticos que dependen de ellos; parte de la discriminación en prueba puede reflejar la edad más que la hepatitis.

Segundo, una «auditoría de sesgos» anunciada pero no mostrada, y un comparador ausente. El título promete un modelo «auditado en sesgos» y la discusión menciona un rendimiento homogéneo entre distritos sanitarios, pero la versión que leímos no presenta ningún resultado numérico por sexo, edad, distrito o nivel socioeconómico. Tampoco hay comparación numérica con la estrategia a batir, el cribado por factores de riesgo o por edad; los demás modelos solo se comparan a través de la literatura. Hay además incoherencias que corregir: dos umbrales distintos (0,1793 y 0,1437) para el modelo principal, y un emparejamiento descrito unas veces por edad y otras por año de nacimiento.

Tercero, sesgo de población y cuestiones de independencia. La validación es temporal dentro de una sola región, sin validación externa; los autores lo reconocen, así como las diferencias de codificación y de epidemiología (coinfección por VIH, uso de drogas inyectables) entre sistemas. Los datos son de acceso controlado y la disponibilidad del código no está confirmada en el texto. Por último, el estudio está financiado en parte por Gilead Sciences, fabricante de antivirales contra la hepatitis C, sin declaración de conflictos de intereses ni descripción del papel del financiador en la versión consultada. No es una prueba de sesgo, pero el lector debe saberlo.

Lo que cambia

Para la comunidad investigadora: este trabajo muestra una buena práctica, evaluar a una prevalencia realista y publicar el VPP, y ofrece una base interpretable para continuar. Los pasos que faltan están claros: publicar los resultados por subgrupo, comparar con cifras frente al cribado por factores de riesgo, validar en otras regiones y medir en un estudio prospectivo cuántos diagnósticos y tratamientos adicionales genera realmente una alerta.

Para los clínicos: nada desplegable hoy. Pero la lógica merece atención: una serología de hepatitis C es una prueba sencilla, y señalar a catorce pacientes para encontrar una infección curable puede ser aceptable, siempre que se compruebe que los casos encontrados no son los que el cribado dirigido habría encontrado de todos modos y que las alertas no saturan a los equipos de atención primaria.

Para los pacientes y el público: la idea es que la propia historia clínica sugiera un análisis de sangre a alguien que no se sabe en riesgo. Eso plantea preguntas legítimas sobre el uso de los datos de salud y sobre la estigmatización, ya que algunas variables (VIH, dependencias) son sensibles. Lo que está en juego sigue siendo positivo: cada infección encontrada es hoy casi siempre curable.

Para saber más

El preprint: An explainable, bias-audited machine learning model to detect hidden hepatitis C from region-wide real-world health records, medRxiv, publicado el 6 de noviembre de 2026, DOI 10.64898/2026.11.05.26367298, sin revisión por pares. Autores: Alberto Esteban-Medina, Carlos Loucera, Joaquín Dopazo (Barcelonaβeta Brain Research Center, Hospital del Mar Research Institute, Plataforma Andaluza de Medicina Computacional) y Manuel Romero Gómez (Instituto de Biomedicina de Sevilla, Hospital Universitario Virgen del Rocío). Financiación: Gilead Sciences España, Ministerio de Ciencia, Instituto de Salud Carlos III, Junta de Andalucía, Horizon Europe (MLCARE). Herramienta: la biblioteca de código abierto InterpretML, que implementa el EBM.

Nota de transparencia editorial: este artículo fue producido por la cadena editorial automatizada de Tatakoto a partir de la versión 1 del preprint; no se pudieron consultar los anexos (tablas y figuras suplementarias). Los cálculos «por cada 1 000 personas» y la simulación con una prevalencia del 0,3 % son nuestros, a partir de los efectivos publicados. Las versiones en inglés, español y chino han sido generadas por IA. ¿Un error? Contáctenos.