Protocolo internacional “Resc-IA-Sepsis”: un sistema de aprendizaje por refuerzo para la intervención quirúrgica multidisciplinaria y guiado por biomarcadores en choque séptico y falla multiorgánica

Resumen

Introducción: El choque séptico y la falla multiorgánica representan las complicaciones más graves de la sepsis, con una mortalidad que oscila entre el 28% y el 50% según las series reportadas (He et al., 2026). Los sistemas de apoyo a la decisión clínica basados en inteligencia artificial han emergido como herramientas prometedoras para optimizar el manejo de estos pacientes críticos (MORE-CLEAR, 2026). El aprendizaje por refuerzo (RL), en particular, ofrece un marco para la toma de decisiones secuenciales en entornos dinámicos como las unidades de cuidados intensivos (rECMOmender, 2026). Objetivo: Describir el protocolo internacional "Resc-IA-Sepsis", un sistema de aprendizaje por refuerzo para la intervención quirúrgica multidisciplinaria guiada por biomarcadores en choque séptico y falla multiorgánica. Metodología: Revisión sistemática de la literatura siguiendo las guías PRISMA 2020 (Page et al., 2021). Se realizó una búsqueda en PubMed, LILACS, SciELO y Cochrane para estudios publicados entre 2020 y 2026 sobre sistemas de aprendizaje por refuerzo en sepsis, modelos predictivos de falla orgánica y biomarcadores en choque séptico. Resultados: Se identificaron 7 estudios relevantes que documentan la aplicación de RL y modelos de machine learning en sepsis. Los modelos de RL han demostrado capacidad para optimizar decisiones terapéuticas, con sistemas como MORE-CLEAR que integran datos estructurados y notas clínicas para mejorar la representación del estado del paciente (MORE-CLEAR, 2026). Los modelos predictivos basados en machine learning han mostrado un AUC de hasta 0.95 para la predicción de falla cardíaca y 0.93 para falla hepática en pacientes sépticos (He et al., 2026). La integración de biomarcadores como presepsina y procalcitonina en modelos predictivos ha demostrado valor pronóstico adicional, con una razón de momios de 5.80 para el desarrollo de complicaciones posoperatorias cuando se combinan dos factores de riesgo basados en presepsina (Presepsin Trial, 2026). Conclusión: El protocolo "Resc-IA-Sepsis" representa un enfoque innovador que integra aprendizaje por refuerzo, biomarcadores y modelos predictivos para guiar la intervención quirúrgica multidisciplinaria en choque séptico y falla multiorgánica. La implementación de este sistema requiere validación prospectiva en cohortes multicéntricas para establecer su seguridad y efectividad (Hybrid Sepsis Model, 2026).