Lesiones del esfínter anal en el parto: una prueba de impedancia con aprendizaje automático validada en 70 mujeres, 81 sin prueba de referencia

Un equipo de la Warsaw University of Technology y de OASIS Diagnostics, la empresa que comercializa el dispositivo, evalúa una herramienta de espectroscopia de impedancia asistida por aprendizaje automático para detectar, en las horas posteriores al parto, una lesión del esfínter anal. En 70 mujeres analizables, el modelo bloqueado encuentra el 86,2 % de las lesiones confirmadas por ecografía endoanal y señala por error al 7,3 % de las mujeres sin lesión. El resultado es alentador para una herramienta complementaria, pero 81 de las 151 mujeres incluidas no se sometieron a la prueba de referencia, el estudio procede de un solo centro, varios autores están vinculados a la empresa y ni el código ni los datos son públicos.

El contexto

Las lesiones obstétricas del esfínter anal (OASI, por «obstetric anal sphincter injuries») son los desgarros de tercer y cuarto grado que ocurren durante un parto vaginal. No siempre se ven en la exploración clínica inmediata, y una lesión no reconocida expone a incontinencia anal duradera. La prueba de referencia es la ecografía endoanal tridimensional (EAUS), realizada con una sonda introducida en el canal anal por un operador con experiencia. No está disponible en todas partes ni inmediatamente después del parto.

El dispositivo estudiado, ONIRY (marcado CE, clase IIa), propone una alternativa: la espectroscopia de impedancia eléctrica. Una sonda desechable de 12 mm con ocho electrodos envía una corriente débil (menos de 1 mA, entre 1 y 100 kHz) y mide cómo la resisten los tejidos. Un tejido intacto y uno desgarrado no conducen igual. Un modelo de aprendizaje automático interpreta las mediciones y devuelve un veredicto binario, PASS o REFER (derivar para evaluación). Este trabajo es un preprint publicado en medRxiv el 11 de octubre de 2026: no ha sido revisado por pares.

El método

El trabajo se desarrolla en tres fases, comunicadas según las guías STARD-AI y TRIPOD+AI (listas de verificación para estudios de precisión diagnóstica y de modelos de predicción con IA).

Fase 1, desarrollo de la versión V1. Ciento cincuenta y dos mujeres, examinadas hasta ocho semanas después de un parto vaginal, tuvieron dos mediciones y una EAUS de referencia: 30 sin lesión, 61 con desgarro de primer o segundo grado, 61 con desgarro de tercer o cuarto grado. Tras excluir 19 pasadas en las que las dos mediciones diferían en más de 1 kΩ a 1 kHz, quedan 279 mediciones (117 con OASI, 162 sin). El modelo es una red neuronal evaluada con validación cruzada 10×10 (el conjunto de datos se divide en diez partes, diez veces, de modo que una misma participante nunca está a la vez en entrenamiento y en prueba).

Fase 2, adaptación en condiciones reales (V2). La vigilancia poscomercialización de V1 detectó 15 resultados discordantes (6 falsos positivos, 9 falsos negativos), sobre todo en las primeras 24 horas y asociados a edema marcado, líquidos biológicos o suturas recientes. Los autores reentrenaron entonces el modelo con 144 registros tempranos de siete centros, con un conjunto reducido de variables (módulo de impedancia, resistencia, reactancia, desfase, varianza local), una división 90/10 entre entrenamiento y validación interna, y un conjunto de dos perceptrones multicapa (pequeñas redes neuronales apiladas) combinados con una regla lógica AND. El umbral se eligió para maximizar la exactitud equilibrada manteniendo una sensibilidad de al menos el 80 %. La arquitectura exacta es propietaria. V2 se probó después con 125 registros de dos centros, con la «totalidad de la evidencia clínica» como referencia, porque no había EAUS sistemática.

Fase 3, validación externa prospectiva. En un hospital de Varsovia, mujeres de 18 años o más con al menos un factor de riesgo (primer parto, parto instrumental, peso al nacer de 4.000 g o más, gestación de 41 semanas o más) o duda clínica fueron examinadas con el modelo V2 bloqueado. De 151 inclusiones consecutivas, 81 no tuvieron EAUS; se analizan 70. Las matronas realizaron el 70 % de los exámenes. La referencia es la EAUS 3D, realizada por un único experto con más de 25 años de experiencia, una mediana de 28 días después del parto, sin cegamiento respecto a los hallazgos clínicos ni de impedancia.

Los resultados

Métricas de ML. La sensibilidad es la proporción de lesiones reales que la prueba detecta; la especificidad, la de mujeres sin lesión que deja correctamente tranquilas. En la fase 1, V1 alcanza un 90,0 % de exactitud, sensibilidad y especificidad (validación cruzada interna). En la fase 2, V2 sobre 125 registros: 28 verdaderos positivos, 4 falsos negativos, 84 verdaderos negativos, 9 falsos positivos, es decir, 89,6 % de exactitud, 87,5 % de sensibilidad y 90,3 % de especificidad. En la fase 3, con 70 mujeres de las cuales 29 (41,4 %) tienen OASI confirmada: exactitud 90,0 % (63/70; IC 95 % 80,8–95,1), sensibilidad 86,2 % (25/29; IC 69,4–94,5), especificidad 92,7 % (38/41; IC 80,6–97,5). Los 4 falsos negativos y 3 falsos positivos se deducen de esas cifras; de ellos derivamos un valor predictivo positivo de alrededor del 89 % y uno negativo de alrededor del 90 % (no leídos en la tabla del preprint; conviene verificarlos en el PDF).

Traducción clínica. Aplicadas a una población como la del estudio (41 % de lesiones), estas tasas dan, por cada 1.000 mujeres examinadas, unas 357 lesiones encontradas, 57 pasadas por alto, 543 mujeres sin lesión correctamente tranquilizadas y 43 falsas alarmas. Pero esa prevalencia es la de una muestra enriquecida en mujeres de riesgo. Para ilustrar la trampa (cálculo nuestro, no del estudio), con una prevalencia del 5 % las mismas tasas darían, por cada 1.000 mujeres, unas 43 lesiones detectadas, 7 no detectadas y 69 falsas alarmas: un resultado REFER solo sería correcto en el 38 % de los casos. El valor de una prueba depende de la población en la que se usa.

Lo que está bien

Un modelo bloqueado antes de la validación. V2 se congeló antes de la fase 3 y el reclutamiento se describe como consecutivo: se evita ajustar el modelo a los datos de prueba y elegir casos fáciles.

Un análisis honesto de los errores de V1. Los autores no ocultan que el primer modelo fallaba sobre todo en las 24 horas posteriores al parto, y vinculan esos fallos con el edema, los líquidos y las suturas. De ahí sacan una adaptación concreta: reentrenamiento con datos tempranos, alerta de baja impedancia, control de calidad automático de las mediciones.

Un marco de comunicación exigente. Comunicar según STARD-AI y TRIPOD+AI, dar intervalos de confianza de Wilson y precisar que la fase 3 tuvo aprobación ética y que la fase 1 está registrada (NCT04903977): el trabajo es más transparente que muchos preprints del campo.

Lo que está peor

Un sesgo de verificación parcial. De 151 mujeres incluidas, 81 (54 %) no tuvieron la EAUS y quedan fuera del análisis. Si las que volvieron para la prueba eran distintas del resto (por ejemplo, porque les preocupaba una anomalía), el rendimiento medido no se traslada tal cual. Los autores lo reconocen sin poder cuantificarlo.

Una referencia imperfecta y una muestra estrecha. La EAUS se hizo una mediana de 28 días después del parto (de 1 a 40 días), mientras que la impedancia se midió en las primeras 4 horas: la anatomía pudo cambiar entre ambas (cicatrización, resolución del edema). Un solo experto, sin cegamiento, leyó las imágenes. Y con 29 lesiones, el intervalo de confianza de la sensibilidad va del 69,4 % al 94,5 %: no se puede descartar que esté más cerca del 70 % que del 90 %. En la fase 2C la referencia es un juicio clínico global, no la EAUS, lo que hace esas cifras más frágiles.

Conflictos de intereses y falta de reproducibilidad. Cuatro autores son o fueron empleados de OASIS Diagnostics, dos son fundadores, cuatro son accionistas y uno es inventor de la patente asociada. Las fases de adaptación y validación externa no recibieron financiación externa, y ni los datos, ni el código, ni el modelo son públicos, por confidencialidad comercial. Nadie puede, pues, verificar el trabajo, y en la parte que leímos no se comunica ninguna comparación numérica con la exploración clínica sola, que es justamente la alternativa a superar. Entre los modos de fallo clásicos de la IA en salud, quedan un comparador ausente, una métrica sensible a la prevalencia y un riesgo de sesgo de población (una sola maternidad, una cohorte enriquecida en mujeres de riesgo).

Lo que cambia

Para la comunidad investigadora. El trabajo ilustra una buena práctica poco frecuente: readaptar un modelo comercial tras errores reales, luego congelarlo y validarlo en un centro no usado para el entrenamiento. El paso lógico siguiente es un estudio multicéntrico con seguimiento sistemático por EAUS (o muestreo aleatorio de las no verificadas), varios lectores cegados y una comparación directa con la exploración clínica sola.

Para los clínicos. Con la evidencia actual, esta prueba parece un complemento para llamar la atención sobre mujeres que deberían derivarse a imagen, no un medio de descartar una lesión. No cambia la práctica mientras no se valide en poblaciones menos seleccionadas, y no sustituye ni la exploración clínica ni la EAUS.

Para las pacientes y el público. Una detección más temprana de desgarros profundos podría acortar el tiempo hasta una reparación o una atención adecuada. Esa promesa aún no está demostrada: el trabajo no mide ningún beneficio en continencia ni en calidad de vida.

Para ir más lejos

Preprint: Młyńczak M., Korzeniewski K., Rosoł M., Uchman-Musielak M., Barcz E., Grzybowska M. E., Sudoł-Szopińska I., Kropshofer S., Spinelli A., Borycka K., «Real-World Adaptation and External Validation of Machine-Learning Impedance Spectroscopy for Immediate Postpartum Detection of Obstetric Anal Sphincter Injuries», medRxiv, doi: 10.64898/2026.10.08.26365032. Afiliaciones: Warsaw University of Technology, Holy Family Specialist Hospital (Varsovia), Medical University of Gdańsk, Humanitas University, Innsbruck Medical University, entre otras. Financiación de la fase 1: Centro Nacional de Investigación y Desarrollo de Polonia (POIR.01.01.01-00-0726/18). Ensayo de fase 1: NCT04903977. Código, datos y modelo: no públicos.

Nota de transparencia editorial: este artículo fue producido por la cadena editorial automatizada de Tatakoto a partir del preprint completo; la tabla 1 no era legible en la extracción, por lo que VPP, VPN y razones de verosimilitud son cálculos nuestros a partir de los recuentos publicados. Las versiones en inglés, español y chino se generan con IA. ¿Un error? Contáctenos.