Más de 850 millones
de personas en el mundo tienen alguna enfermedad renal: crónica, aguda o en terapia de reemplazo renal (estimación para 2017 de ASN, ERA-EDTA e ISN).
Jager et al., Kidney Int, 2019Farma · Área renal y cardiometabólica
Detección temprana de enfermedad renal crónica
La enfermedad renal crónica avanza sin síntomas durante años y suele detectarse tarde. La detección temprana con IA estima el riesgo con datos que ya están en la historia clínica, como edad, presión arterial, índice de masa corporal, hipertensión y diabetes, para priorizar a quién pedir creatinina y albuminuria. El médico confirma el diagnóstico.
Arkangel AI no diagnostica. Sus modelos de ERC están publicados como un preprint y dos resúmenes de congreso, todavía sin un artículo completo revisado por pares. La ERC se confirma con la tasa de filtración glomerular y la albuminuria, según KDIGO.
Por qué la ERC se detecta tarde
No duele ni da síntomas en las primeras etapas, y la albuminuria se pide poco. Cuando aparecen los síntomas, la función renal ya se ha perdido en buena parte.
TFGe < 60
mL/min/1,73 m² durante más de tres meses es uno de los criterios de ERC de la guía KDIGO.
Guía KDIGO de ERC≥ 30 mg/g
de albúmina/creatinina en orina también define ERC aunque la filtración sea normal. Por eso se piden las dos pruebas.
Guía KDIGO de ERCQué datos de la historia clínica estiman el riesgo
El modelo del preprint de Arkangel AI usa ocho variables rutinarias y no invasivas, sin pruebas de laboratorio especializadas.
Perfil del paciente
Edad y sexo. La edad fue una de las variables más influyentes del modelo.
Mediciones de la consulta
Presión arterial sistólica y diastólica, e índice de masa corporal.
Antecedentes
Hipertensión, diabetes tipo 2 y años desde el diagnóstico de diabetes, la otra variable más influyente.
Un riesgo alto no es un diagnóstico: indica a quién conviene pedir creatinina para calcular la TFGe y la relación albúmina/creatinina en orina.
Evidencia publicada de Arkangel AI
Tres trabajos sobre el mismo objetivo: encontrar pacientes con riesgo de ERC usando datos rutinarios. Cada uno indica dónde se publicó y sus límites.
Preprint en Research Square, 2025 · sin revisión por pares
Árbol de decisión con ocho variables rutinarias
- 203.067 registros latinoamericanos anonimizados de una base multicéntrica.
- Sensibilidad 90,2%, especificidad 92,7%, precisión 89% y AUC 0,914 en el conjunto de prueba.
- ERC definida como TFGe menor de 60 (CKD-EPI 2021).
Estudio retrospectivo, con sobremuestreo para equilibrar los casos. Aún no ha pasado revisión por pares.
Leer el resumenResumen de congreso, ASN 2025
Validación externa en diabetes tipo 2
- 4.342 pacientes con diabetes tipo 2 en seis países de ingresos bajos y medios.
- Sensibilidad 90,05% (IC 95%: 88,05–92,04%).
- AUC 0,63.
El AUC de 0,63 indica una discriminación moderada: el modelo prioriza no perder casos a costa de más falsos positivos. Es un resumen, no un artículo completo.
Leer el resumenResumen de congreso, Asocolnef 2024
Modelo de ensamble para pacientes con y sin diabetes
- 19.194 pacientes con diabetes y 169.842 sin diabetes de instituciones de Colombia y Perú.
- Sensibilidad 91% en pacientes con diabetes y 92,5% en pacientes sin diabetes.
- AUC 0,95 en pacientes sin diabetes.
Análisis retrospectivo presentado en congreso. El riesgo se definió por TFGe menor de 60 o un diagnóstico previo de ERC.
Leer el resumenCómo se arma un programa de detección de ERC
El flujo es el de cualquier área terapéutica: criterios clínicos, lectura de la historia, señal para el médico y confirmación. Lo que sale de Arkangel AI es una priorización, no un diagnóstico.
- 1
Criterios con nefrología
Se acuerdan la población (por ejemplo, personas con diabetes o hipertensión), el umbral de riesgo y las pruebas de confirmación.
- 2
Lectura de la historia
La IA toma las variables rutinarias de los datos estructurados y del texto libre, con la autorización de la institución.
- 3
Lista priorizada
El equipo tratante recibe los pacientes con mayor riesgo y sin TFGe ni albuminuria recientes registradas.
- 4
Laboratorio y decisión
El médico decide si pide creatinina y albuminuria y, con los resultados, el diagnóstico y el manejo según la guía.
Preguntas frecuentes
¿Cómo se detecta la enfermedad renal crónica antes de que dé síntomas?
Midiendo la función y el daño renal en personas con riesgo: creatinina para calcular la tasa de filtración glomerular y la relación albúmina/creatinina en orina. Según KDIGO, una TFGe menor de 60 o una albuminuria de 30 mg/g o más durante más de tres meses define ERC. La IA ayuda a decidir a quién estudiar primero.
¿Qué datos usa el modelo de Arkangel AI para estimar el riesgo de ERC?
El modelo del preprint de 2025 usa ocho variables rutinarias: edad, sexo, presión arterial sistólica y diastólica, índice de masa corporal, hipertensión, diabetes tipo 2 y años desde el diagnóstico de diabetes. No necesita pruebas de laboratorio especializadas, así que puede aplicarse donde la albuminuria se pide poco.
¿Qué precisión tienen los modelos de ERC de Arkangel AI?
En el preprint de 2025, el árbol de decisión logró 90,2% de sensibilidad y 92,7% de especificidad en 203.067 registros. En la validación externa con 4.342 pacientes con diabetes tipo 2, la sensibilidad fue 90,05% con un AUC de 0,63. Ninguno es todavía un artículo completo revisado por pares.
¿La IA diagnostica la enfermedad renal crónica?
No. El diagnóstico de ERC requiere laboratorio: la tasa de filtración glomerular estimada y la albuminuria, sostenidas por más de tres meses según KDIGO. Arkangel AI solo prioriza a los pacientes con más riesgo y sin esas pruebas recientes, para que el médico decida si las pide. Un riesgo alto no equivale a diagnóstico.
¿Quién ve los datos de los pacientes en un programa de detección?
La identificación ocurre dentro de la institución de salud y solo el equipo tratante ve la lista de pacientes priorizados. El laboratorio que patrocina el programa recibe indicadores agregados y anonimizados. Arkangel AI procesa solo lo que la institución autoriza y cuenta con certificación ISO 27001:2022 y más de 70 controles de seguridad.
Sigue leyendo
Conversemos sobre tu programa renal
Cuéntanos el país, la población y las instituciones con las que trabajas. Revisamos qué datos hay en sus historias clínicas y cómo diseñar el tamizaje con confirmación médica.
Fuentes
- Jager KJ, et al. A single number for advocacy and communication: worldwide more than 850 million individuals have kidney diseases — Kidney Int. 2019;96(5):1048-1050.
- KDIGO. Guía de evaluación y manejo de la enfermedad renal crónica — Definición y clasificación de la ERC.
- Martinez J, et al. Search AI: a Machine Learning algorithm for chronic kidney disease risk detection using eight readily available clinical features — Research Square, 2025. Preprint.
Última verificación: . Contenido informativo para equipos de la industria farmacéutica. No es una recomendación clínica ni promociona medicamentos.