Reingresos y multimorbilidad: un modelo autosupervisado que aprende al paciente antes de conocer el desenlace

Un equipo de Newcastle, Queen Mary University of London y Birmingham (consorcio AI-MULTIPLY) construye Self-HR, un modelo que primero aprende, sin etiquetas, a «resumir» las historias de 99 207 pacientes británicos con al menos dos enfermedades crónicas, y luego se especializa para predecir un reingreso urgente dentro de los 30 días tras el alta. En esta cohorte alcanza una AUROC de 0,92 y supera claramente a XGBoost y a las redes supervisadas, con validación externa en 79 224 pacientes de una segunda base independiente; sobre todo, se mantiene sólido cuando falta la mitad de las etiquetas, allí donde los modelos clásicos se derrumban. El resultado es real, pero la mayor parte de la señal viene del propio diagnóstico de ingreso, y todo se apoya en datos retrospectivos de una población británica poco representativa.

El contexto

El reingreso hospitalario no programado — un regreso urgente al hospital poco después del alta — es a la vez un marcador de calidad y una fuente importante de costes. En el Reino Unido, la tasa de reingreso a 30 días pasó de cerca del 12,5 % en 2014 al 15,5 % en 2021, y estos retornos representan casi el 19 % del coste de los ingresos de urgencia del NHS; hasta un 48 % se consideran potencialmente evitables. De ahí la idea recurrente de señalar, en el momento del alta, a los pacientes de alto riesgo para dirigir un seguimiento reforzado.

El problema es que la mayoría de las herramientas existentes se diseñaron para una sola enfermedad y generalizan mal. El índice LACE, el más extendido, no supera una AUROC de 0,60–0,68; los modelos previos de aprendizaje automático rara vez pasan de 0,70. Pero los pacientes más afectados son justamente los que acumulan varias patologías — la multimorbilidad (aquí definida como al menos dos enfermedades crónicas de larga duración), con su polifarmacia y su complejidad asistencial. Es esa población la que apuntan los autores, apoyándose en dos grandes bases británicas: el UK Biobank (UKBB) para desarrollar el modelo, y el Clinical Practice Research Datalink (CPRD) para validarlo en una población distinta.

El método

Self-HR se basa en el aprendizaje autosupervisado (self-supervised learning): en lugar de aprender directamente a predecir el reingreso, el modelo aprende primero, sin ninguna etiqueta de resultado, a comprimir y luego reconstruir la historia de cada paciente. Técnicamente es un autoencoder — una red que codifica cada historia en una representación compacta de 50 dimensiones (un embedding, un vector numérico que resume al paciente), y luego intenta reconstruir la entrada a partir de ese resumen minimizando el error de reconstrucción. Esta fase obliga al modelo a estructurar un «espacio latente» donde los pacientes clínicamente parecidos quedan próximos. Solo después, en una segunda fase, esa representación se afina (fine-tuning) con las etiquetas de reingreso para producir una probabilidad sí/no.

Cada paciente se describe con 1 296 variables en cuatro grupos: datos demográficos y de estilo de vida (edad, sexo, origen étnico, índice de privación de Townsend, tabaco, alcohol, IMC); prescripciones de atención primaria en los dos años previos al ingreso (codificadas con la clasificación británica BNF); el diagnóstico principal en el ingreso índice, codificado en CIE-10 (solo se conservan los códigos que cubren en conjunto el 90 % de los diagnósticos, tratando los más raros como ausentes); y un indicador binario para cada una de las 204 enfermedades crónicas listadas. El objetivo es el reingreso urgente dentro de los 30 días, identificado mediante los códigos de método de ingreso del NHS.

Para calibrar el aporte de Self-HR, los autores lo comparan con cuatro modelos totalmente supervisados entrenados con los mismos datos: un Random Forest, XGBoost (un método de gradient boosting, referencia en datos tabulares), y dos redes neuronales, simple y compleja. La cohorte está muy desequilibrada — unos 5,95 no reingresados por cada reingresado en el UKBB (14,4 % de reingresos) — lo que exige métricas adecuadas: además de la AUROC (área bajo la curva ROC, la capacidad de distinguir un reingresado de un no reingresado), la AUPRC (área bajo la curva de precisión-exhaustividad, mucho más informativa con desequilibrio) y el F1 de la clase reingresada (media armónica de precisión y exhaustividad).

Los resultados

En el UKBB, Self-HR supera a todos los modelos supervisados: AUROC 0,92, AUPRC 0,75, y un F1 de 0,72 para la clase reingresada (precisión 0,82, exhaustividad 0,75). La diferencia es clara en esta clase minoritaria, la única que importa clínicamente: XGBoost y la red simple solo alcanzan un F1 de 0,27 y 0,42, con una exhaustividad de la clase reingresada que baja a 0,16 en XGBoost — es decir, se le escapan más de ocho reingresos de cada diez. La validación externa en el CPRD (79 224 pacientes, 25,4 % de reingresos) confirma la tendencia, con una caída moderada: AUROC 0,86 y F1 0,67 para los reingresados.

El resultado más útil es la robustez ante la falta de etiquetas. Entrenado con solo la mitad de las etiquetas de reingreso, Self-HR baja apenas de 0,72 a 0,62 en F1 en el UKBB, mientras que la red supervisada de referencia se hunde de 0,42 a 0,28. Ese es el argumento central de la autosupervisión: aprender representaciones útiles de todos los datos disponibles reduce la dependencia de un etiquetado completo, costoso y escaso en clínica. El estudio de ablación, por último, muestra sin ambigüedad de dónde viene la señal: quitar el diagnóstico de ingreso hunde la AUPRC de 0,75 a 0,28 y el F1 de 0,72 a 0,17; las prescripciones de atención primaria llegan en segundo lugar (F1 0,72 a 0,45).

En términos clínicos, conviene mantener la medida. De 1 000 pacientes multimórbidos dados de alta, unos 140 reingresarán de urgencia en 30 días. Con la precisión y la exhaustividad reportadas (0,82 y 0,75), Self-HR señalaría alrededor de 105, dejaría escapar unos 35, a costa de unas 23 falsas alarmas. Es mucho mejor que el índice LACE, pero lejos de una red perfecta — y esta cifra describe el rendimiento de discriminación, no la cuestión, no abordada aquí, de si las probabilidades mostradas están bien calibradas.

Lo que está bien

Apuntar a la multimorbilidad y validar fuera de muestra. La mayoría de los modelos de reingreso son de una sola enfermedad; al centrarse en pacientes con al menos dos enfermedades crónicas, el estudio aborda la población realmente en riesgo. Sobre todo, el rendimiento se reproduce en una segunda base independiente (CPRD), más diversa y más equilibrada en sexo y origen étnico que el UKBB — una validación externa que muchos trabajos comparables omiten, y el mejor resguardo contra el sobreajuste a una única fuente.

La eficiencia en etiquetas es una ventaja concreta. Mostrar que el modelo aguanta con el 50 % de las etiquetas cuando una red supervisada se derrumba no es un detalle: en la práctica clínica, los desenlaces bien anotados son raros y costosos. Un modelo que aprende lo esencial de datos no etiquetados y luego se especializa en un pequeño lote anotado encaja mejor con la realidad de los sistemas de salud. Además, el mismo codificador se transfiere a tareas de regresión (predecir la duración del ingreso) solo con reafinado, sin reentrenamiento.

Una publicación limpia y transparente. El preprint se difunde bajo licencia CC BY 4.0; la financiación es pública (NIHR) y los autores no declaran conflictos de interés. El estudio de ablación, metódico, expone dónde está — y dónde no — el poder predictivo, y un grupo de pacientes colaboradores (PPIE) participó en el proceso. Es el tipo de higiene que hace un resultado verificable y reutilizable.

Lo que está menos bien

Un sesgo de población marcado (sesgo de selección). El modelo se desarrolla sobre el UK Biobank, conocido por su sesgo del voluntario sano: participantes de 40 a 69 años al inicio, más sanos y acomodados que la población general, y un 94 % de origen blanco. Una cohorte tan poco representativa debilita la generalización, en especial hacia las poblaciones más desfavorecidas y no blancas — justamente aquellas donde el riesgo de reingreso suele ser más alto. La validación en el CPRD, más diverso, atenúa este punto sin borrarlo, ya que todo el desarrollo y los umbrales se apoyan en el UKBB.

El diagnóstico de ingreso lo domina todo: atajo más que perfil de riesgo. La ablación es contundente — sin el diagnóstico de ingreso, el rendimiento se derrumba. Tiene sentido clínico (un reingreso suele reflejar la recaída de la patología índice), pero también significa que el modelo «lee» sobre todo el motivo de ingreso. Se acerca a un shortcut learning: en vez de un perfil de riesgo rico y potencialmente modificable, el modelo capta en gran parte la gravedad que lleva el código diagnóstico. El riesgo de fuga de información también merece vigilancia, pues la variable más predictiva está muy ligada al propio evento que se busca anticipar.

Comparador indirecto, métrica halagüeña, y nada prospectivo. Los modelos que supera (LACE en 0,60–0,68, la literatura en 0,65–0,70) no se reejecutan cara a cara en la misma cohorte: la comparación agrega estudios con definiciones y poblaciones distintas, lo que infla mecánicamente la diferencia (comparador sesgado). La AUROC de 0,92 es la cifra más vendible, pero en una tarea con 14 % de positivos es la AUPRC de 0,75 la que dice la verdad operativa (métrica engañosa). No se reporta ninguna calibración, ninguna evaluación prospectiva ni ensayo de impacto: y la historia de los scores de reingreso muestra que un modelo preciso no reduce mecánicamente los reingresos si la intervención posterior no acompaña.

Lo que cambia

Para la comunidad de investigación, el estudio es un buen argumento a favor de la autosupervisión sobre datos de salud tabulares, desequilibrados e incompletamente etiquetados, con un codificador reutilizable de una tarea a otra. Los siguientes pasos se imponen por sí solos: medir la calibración, analizar el rendimiento por subgrupos étnicos y socioeconómicos, reejecutar los comparadores en la misma cohorte, y sobre todo salir del UKBB hacia poblaciones más representativas.

Para los clínicos, hoy no cambia nada: es un modelo de investigación, no desplegado, sin marcado regulatorio. La advertencia útil es doble: el rendimiento reportado se apoya mucho en el diagnóstico de ingreso, y predecir no es prevenir — un score, aun bueno, solo vale acoplado a una intervención de alta eficaz (reconciliación de medicación, seguimiento estrecho, apoyo comunitario).

Para los pacientes y el público, la promesa es legible: señalar en el alta a las personas más frágiles para acompañarlas mejor. Pero la cautela se impone en la generalización, dada la escasa diversidad de la población de entrenamiento; una herramienta así no debería trasplantarse tal cual a otro sistema de salud sin nueva validación. Y si un día se usara para orientar decisiones de manejo, quedaría bajo supervisión como software como dispositivo médico.

Para saber más

El preprint está disponible en medRxiv (DOI 10.64898/2026.08.01.26359453), bajo licencia CC BY 4.0, dentro del programa AI-MULTIPLY financiado por el NIHR. Para el contexto, véase la literatura sobre el índice LACE y los límites de los scores de reingreso, así como los trabajos sobre el sesgo del voluntario sano del UK Biobank y sobre el valor de la AUPRC en tareas clínicas muy desequilibradas.