La majoria d'eines d'IA per predir el deteriorament clínic d'un pacient s'han desenvolupat i provat en hospitals d'aguts, amb sistemes de monitorització moderns i dades abundants; els centres de cures continuades i rehabilitació, en canvi, solen tenir una maduresa digital molt més baixa, dades més disperses i historials clínics electrònics més antics, cosa que ha deixat aquest tipus de centres pràcticament fora d'aquesta línia de recerca.
Un equip de Sinai Health, a Toronto, format per Alexander Kauffman, Nataša Lazarević, Rahul Joshi i Jordan Pelc, ha publicat el 2 de setembre a la revista npj Health Systems, del grup Nature, un estudi fet a l'Hennick Bridgepoint Hospital, un centre urbà de 474 llits amb un historial clínic electrònic de dinou anys d'antiguitat. Amb dades de 2.711 altes hospitalàries entre l'abril del 2024 i el juliol del 2025 —de les quals un 22,6% van acabar en un trasllat a urgències per deteriorament—, els autors van entrenar i comparar sis models d'aprenentatge automàtic (CatBoost, XGBoost, Gradient Boosting, regressió logística, Random Forest i màquines de vectors de suport) fent servir només dades disponibles en un sistema antic: dades demogràfiques, constants vitals, grups de medicaments, historial previ d'altes a urgències i presència de catèters. El millor model, CatBoost, va obtenir una àrea sota la corba ROC de 0,84 i, en el llindar optimitzat per detectar més casos, una sensibilitat del 81,5%; les variables amb més pes van ser el pols i la freqüència respiratòria, seguides de l'índex de massa corporal i la pressió arterial, en línia amb els criteris que ja fan servir les escales clíniques d'alerta precoç.
La notícia és rellevant perquè demostra que és possible construir eines predictives útils fins i tot en centres amb sistemes informàtics antiquats i dades limitades, un escenari molt més habitual —i molt menys estudiat— que el dels grans hospitals d'aguts amb què s'ha fet la majoria de recerca sobre IA i deteriorament clínic; estendre aquest tipus d'alertes primerenques a la rehabilitació i les cures continuades podria evitar trasllats d'urgència tardans en un tipus de pacient sovint fràgil i amb poca supervisió mèdica constant.
Es tracta d'un estudi retrospectiu fet a un sol centre, sense cap validació prospectiva en la pràctica clínica real que confirmi si l'eina millora de debò els resultats dels pacients; els mateixos autors adverteixen que no poden distingir si el model detecta deteriorament fisiològic real o simplement el fet que el personal d'infermeria vigila més sovint els pacients que ja sospita que aniran a urgències, i que el rendiment del model queda molt més baix quan s'exclouen els pacients amb ingressos repetits, que són gairebé el 35% de les dades.