Dos personas pueden someterse al mismo procedimiento dental y experimentar niveles muy distintos de dolor durante la recuperación. Sin embargo, los profesionales deben decidir qué medicamentos recetar antes de saber cómo responderá cada paciente.
Investigadores de Harvard School of Dental Medicine analizan si la inteligencia artificial puede ayudar a personalizar esas decisiones. El objetivo es estimar quién podría necesitar opioides después de una cirugía y quién tendría mayor riesgo de uso prolongado, uso indebido o control insuficiente del dolor.
Opioides no son necesarios para todos los pacientes
Medicamentos como ibuprofeno y acetaminofén proporcionan alivio suficiente para muchas personas después de una extracción dental. Algunos pacientes, sin embargo, presentan dolor que requiere opciones adicionales.
La cirugía oral y maxilofacial concentra más del 60% de las prescripciones de estos medicamentos realizadas por dentistas en Estados Unidos. Además, procedimientos como la extracción de las muelas del juicio pueden representar el primer contacto de una persona con estos fármacos bajo prescripción.
El problema es que la cantidad recetada no siempre coincide con las necesidades reales. Un estudio prospectivo citado por los investigadores encontró que solamente el 7% de los pacientes necesitó estos analgésicos después de una cirugía de terceros molares sin complicaciones.
Otros trabajos señalan que más de la mitad de las dosis prescritas después de una cirugía dental quedan sin utilizar. Esos medicamentos sobrantes pueden aumentar las posibilidades de uso indebido o desvío.
La inteligencia artificial podría personalizar las recetas
Actualmente, los cirujanos deben anticipar cuánto dolor experimentará una persona. Esto puede favorecer una prescripción preventiva de medicamentos “por si acaso”, aunque reducir excesivamente las cantidades también podría dejar sin alivio adecuado a quienes realmente lo necesitan.
Los modelos de aprendizaje automático podrían analizar simultáneamente información clínica, biológica, genética y social para detectar patrones difíciles de considerar individualmente durante una consulta.
Los autores destacan investigaciones realizadas con más de 560 mil beneficiarios de Medicare, donde métodos de aprendizaje automático superaron a enfoques estadísticos tradicionales para predecir el riesgo de sobredosis. Otros modelos han explorado la predicción del uso prolongado y los trastornos relacionados con estos medicamentos.
En la práctica, estas herramientas podrían incorporarse a los expedientes electrónicos para orientar el tipo, cantidad y duración de una receta. También podrían identificar pacientes que necesiten mayor seguimiento o asesoramiento.
La tecnología podría continuar funcionando durante la recuperación en casa. Información proporcionada por los pacientes sobre dolor, consumo de medicamentos y cumplimiento del tratamiento permitiría actualizar las recomendaciones.
Sin embargo, los investigadores advierten que estas herramientas todavía presentan limitaciones. Buena parte de los estudios disponibles son retrospectivos, varios modelos cuentan con poca validación externa y su desempeño puede cambiar según las poblaciones utilizadas para entrenarlos.
Por ello, la inteligencia artificial no sustituiría el criterio médico. La propuesta busca ofrecer información adicional para conseguir un equilibrio entre evitar recetas innecesarias y proporcionar suficiente alivio a quienes realmente lo necesitan.
