MASLD es una de esas enfermedades que se acumulan en silencio. Muchas personas llegan tarde al diagnóstico porque la fibrosis avanzada se instala sin síntomas claros y, cuando aparece, el margen terapéutico se estrecha.
Un estudio publicado en Digestive Diseases and Sciences abordó el problema desde una pregunta práctica para sistemas de salud: si se usa un filtro de riesgo basado en IA y luego se confirma con elastografía transitoria, ¿se logra detectar antes a quienes más lo necesitan sin disparar costos?
La estrategia evaluada no intenta reemplazar la evaluación clínica ni convertir la elastografía en un examen universal.
El planteo es más “operativo”: usar una herramienta de estratificación por IA como primer paso para seleccionar quiénes deberían pasar a elastografía transitoria, y comparar ese circuito con tres alternativas habituales: elastografía sola, FIB-4 seguido de elastografía y la opción de no tamizar.
La lógica detrás del diseño es conocida en salud pública: si el primer filtro es más fino, se reduce la cantidad de confirmaciones innecesarias y se concentra el esfuerzo en quienes tienen más probabilidad de fibrosis avanzada.
Un modelo de progresión para estimar costos y beneficios
Para responder la pregunta, los autores utilizaron un modelo de Markov que simula la progresión de MASLD a lo largo de una década desde la perspectiva de un financiador en EE. UU.
El modelo integra costos directos, eventos clínicos y calidad de vida, y asume que identificar fibrosis avanzada habilita intervenciones y seguimiento más oportunos.
Un punto clave del diseño fue que el análisis no se limitó a “cuánto cuesta el test”, sino a su efecto acumulado en el tiempo: menos progresión, menos complicaciones y más años de vida ajustados por calidad.
El resultado también es económico
En el escenario principal, IA + elastografía apareció como la opción con mejor relación entre costo y beneficio frente a no tamizar, especialmente cuando el tratamiento disponible tras confirmar fibrosis se modeló con semaglutida.
Traducido a lenguaje de economía sanitaria, el “costo por ganar un año de vida ajustado por calidad” quedó claramente por debajo de umbrales usados con frecuencia en EE. UU., y con una alta probabilidad de considerarse costo-efectivo en análisis de sensibilidad.
En el escenario con resmetirom, el esquema seguía siendo favorable, pero con un costo-efectividad menos contundente, mostrando que el valor del tamizaje depende en parte del contexto terapéutico posterior.
Cómo se ubicaron FIB-4 y la elastografía sola en la comparación
Las dos estrategias “clásicas” del análisis —FIB-4 seguido de elastografía y elastografía sin filtro previo— también mostraron beneficios frente a no tamizar, pero quedaron por detrás del enfoque con IA cuando se comparó el valor incremental.
En otras palabras, el estudio sugiere que la ventaja no está solo en la elastografía como herramienta, sino en cómo se decide quién llega a esa prueba.
La interpretación del paper es que la IA podría funcionar como un primer escalón más eficiente para priorizar evaluación, reduciendo pasos intermedios menos precisos y mejorando el rendimiento global del circuito.
Lo que el estudio no puede garantizar fuera del modelo
Como toda evaluación económica por modelización, los resultados dependen de supuestos tomados de la literatura: tasas de progresión, costos promedio, uso de recursos y efectividad terapéutica.
El propio artículo advierte que la adherencia y el desempeño a largo plazo de los tratamientos en vida real podrían diferir de los ensayos, y que el análisis se limitó a la perspectiva del financiador, sin incluir costos indirectos o impactos sociales más amplios.
Aun así, el trabajo suma un argumento relevante: si el objetivo es escalar detección de fibrosis avanzada en MASLD sin saturar al sistema, un esquema escalonado con IA como filtro inicial puede tener sentido también desde el punto de vista económico.
Pra más detalles puede visitar Digestive Diseases and Sciences.
0 comentarios