El reciente artículo publicado por Cabrera Losada A et al.1 aborda exhaustivamente el interesante tema de la predicción de mortalidad en la población oncohematológica crítica. Aunque mencionan las limitaciones de la diferencia poblacional (el paciente oncológico con tumor sólido no es lo mismo que el paciente oncohematológico, no todos los estudios reflejan la estadificación oncológica y no se separan los procesos posquirúrgicos de las complicaciones médicas), consideramos valioso reflexionar sobre el uso de sistemas predictivos, dada su relevancia. En este sentido, la lectura crítica del artículo es un reconocimiento al trabajo científico.

Los sistemas predictivos representan «conceptualmente» el planteamiento matemático de hipótesis científicas2 (si acontecen las condiciones {A, B, C}, la probabilidad de muerte es del 55%). Es decir, utilizamos formalismos matemáticos para «explicar» la realidad. De esta forma, si consideramos un modelo como una hipótesis, debemos asegurarnos de que este se ajuste adecuadamente a la realidad que queremos explicar. Además, debemos recordar que la predicción no nos permite extrapolar una justificación de acciones clínicas de manera automática.

Por tanto, ¿es la realidad utilizada en el estudio la realidad actual de nuestras unidades? En nuestra opinión, no completamente, porque no es capaz de reflejar todos los cambios que han ocurrido en la oncología en los últimos años. Este aspecto es fundamental, ya que es precisamente el avance científico, con la consecuente mejoría pronóstica, lo que ha promovido el cambio asistencial y el soporte invasivo y prolongado a los pacientes oncológicos. Este progreso científico es el que ha favorecido la aparición de nuevos conceptos, como el test UCI3.

Los resultados de las escalas predictivas ofrecen información subóptima para nuestra realidad actual. Los artículos que más N aportan son de 2004 y 2009, por lo que se basan en una población diferente a la actual. Así, estas escalas podrían proyectar sesgos del pasado sobre la población oncológica actual que tiene un pronóstico distinto (por ejemplo, los pacientes con cáncer colorrectal e inestabilidad de microsatélites4 o el reciente estudio con inmunoterapia en melanoma metastásico)5, con problemas clínicos nuevos (toxicidad inmunomediada, tratamiento con terapias tipo TIL [Tumor-Infiltrating Lymphocytes]) y frente a unas prácticas en cuidados intensivos que también han cambiado, ofreciendo una menor mortalidad. Matemáticamente estaríamos comprobando hipótesis científicas sobre realidades diferentes (la población oncológica mayoritaria en este estudio y la población oncológica actual). Todo ello nos invitaría a la búsqueda de conocimiento con nuevas metodologías (historia clínica electrónica, big data y machine learning), más ajustado a nuestro contexto para mejorar la toma de decisiones.

Desde luego, el trabajo realizado en el artículo1 destaca acertadamente la necesidad de continuar investigando para actualizar y ampliar nuestro conocimiento en este campo. Sin embargo, creemos importante destacar que cualquier resultado obtenido con poblaciones pasadas en el campo de la onco-UCI es poco replicable hoy en día, tanto por el cambio en su pronóstico oncológico como por la calidad de los cuidados ofrecidos en las unidades de cuidados intensivos. Así, las escalas predictivas no nos hablan de la historicidad, evolución y situación presente del conocimiento médico.