Un estudio publicado en la revista científica PLOS Global Public Health analiza el uso de BIAlert Sepsis en más de 8.000 pacientes del Hospital Universitario Son Llàtzer, en Palma. BIAlert es el primer sistema español en integrar la inteligencia artificial (IA) en la detección precoz de la sepsis, con una capacidad predictiva del 96 %. Es el resultado de un proyecto de investigación desarrollado por el IdISBa y el Hospital Universitario Son Llàtzer, en colaboración con el IIC (Instituto de Ingeniería del Conocimiento), un centro de I+D+i pionero en IA y experto desde hace 35 años en tecnologías de macrodatos (big data).

• Durante el periodo de utilización de la herramienta, el coste medio por ingreso descendió de 26.517 a 24.630 euros y también se acortaron las estancias en cuidados intensivos y en planta
• Desarrollada en España y presente en tres hospitales públicos, BIAlert Sepsis cuenta con marcado CE y sigue acumulando evidencia científica sobre su precisión, su funcionamiento y su impacto asistencial y económico
• La sepsis es un síndrome clínico causado por una infección bacteriana, vírica o fúngica que tiene una elevada mortalidad: 1 de cada 4 personas en el mundo fallece por esta causa, según datos de la Organización Mundial de la Salud.

La implantación de una herramienta de inteligencia artificial desarrollada en España para anticipar el riesgo de sepsis hasta con 24 horas de antelación se asocia con una reducción del 4% de los ingresos en las unidades de cuidados intensivos y con un descenso de 1.887 euros en el coste medio por ingreso. Así lo recoge un estudio publicado en la revista científica PLOS Global Public Health sobre la utilización de BIAlert Sepsis en el Hospital Universitario Son Llàtzer, en Palma de Mallorca.[1]

El trabajo analizó los resultados de 8.039 pacientes con sepsis atendidos entre enero de 2011 y junio de 2024. Los investigadores compararon el periodo anterior a la incorporación de la inteligencia artificial, en el que el hospital empleaba un sistema convencional de detección basado en reglas clínicas, con el periodo posterior a la implantación de BIAlert Sepsis. Los datos correspondientes a la pandemia de COVID-19 se excluyeron para evitar que las alteraciones excepcionales de la actividad hospitalaria distorsionaran los resultados.

Durante el periodo de utilización de BIAlert Sepsis, la proporción de pacientes con sepsis que ingresaron en UCI pasó del 34,4% al 30,4%, lo que supone un descenso de cuatro puntos porcentuales, mientras que la estancia hospitalaria se redujo, de media, en casi un día por paciente. [1]

"En la sepsis, llegar antes puede cambiar la evolución del paciente. Identificar el riesgo antes de que el deterioro sea evidente permite valorar al enfermo de forma precoz y adoptar las decisiones necesarias para evitar que progrese hacia una situación de mayor gravedad", explica el doctor Marcio Borges, coordinador de la Unidad Multidisciplinar de Sepsis del Hospital Universitario Son Llàtzer, presidente de la Fundación Código Sepsis e investigador principal de BIAlert Sepsis.

BIAlert Sepsis es un sistema de apoyo a la decisión clínica desarrollado por el Instituto de Ingeniería del Conocimiento (IIC) a partir de una línea de investigación liderada por el doctor

Marcio Borges en el Hospital Universitario Son Llàtzer, en colaboración con el Instituto de Investigación Sanitaria Illes Balears (IdISBa) y la consejería de Salut del Gobierno de las Islas Baleares. La solución se entrenó con datos de más de 200.000 pacientes españoles.[2]

La herramienta analiza en tiempo real más de 70 variables clínicas procedentes de la historia clínica electrónica, entre ellas resultados de laboratorio, constantes vitales, información demográfica y otros datos relevantes. Esta información se actualiza cada 30 minutos y permite estimar el riesgo de que un paciente desarrolle sepsis durante las siguientes 24 horas.

Cuando identifica una probabilidad elevada, genera una alerta que se incorpora a los sistemas utilizados habitualmente por los profesionales. Además de indicar el nivel de riesgo, muestra qué datos del paciente han contribuido a activar el aviso. De esta manera, el médico puede interpretar la alerta, valorar al paciente y decidir qué pruebas, vigilancia o tratamiento necesita.

BIAlert Sepsis no sustituye el juicio médico. Es el profesional quien examina al paciente y decide cómo actuar. "El reto no es únicamente desarrollar un sistema con buenos resultados, sino conseguir que se integre de forma segura en los sistemas del hospital, se adapte a las características de cada centro y ofrezca información útil y comprensible en el momento en que el profesional debe tomar una decisión", señala Elisa Martín, directora del Área de Salud del Instituto de Ingeniería del Conocimiento.

El impacto económico de la detección precoz

El estudio de PLOS Global Public Health analiza el impacto económico de la implantación de BIAlert Sepsis desde la perspectiva del hospital. Durante el periodo de uso de la herramienta, el coste medio por ingreso pasó de 26.517 a 24.630 euros. La diferencia supone 1.887 euros menos por paciente, equivalente a una reducción del 7,1%.[1]

Los autores realizaron también una estimación del impacto económico que tendría la herramienta si se usara durante cinco años, incluyendo tanto la inversión necesaria para instalarla como sus costes de mantenimiento. Según esta proyección, la inversión podría recuperarse durante el primer año y generar un ahorro acumulado de 3,55 millones de euros a cinco años y de 2,08 millones de euros en un escenario más conservador. Este ahorro procede principalmente de la reducción de estancias y del menor uso de recursos hospitalarios. [1]

"Los resultados muestran el valor que puede aportar la detección precoz incluso en un hospital que ya contaba con una larga trayectoria en el manejo de la sepsis. BIAlert Sepsis no sustituye al Código Sepsis ni a la valoración médica, sino que añade capacidad para identificar antes a pacientes que pueden deteriorarse y ayuda a concentrar la atención allí donde existe un mayor riesgo", destaca el doctor Borges.

Una emergencia en la que cada hora cuenta

La publicación del estudio se produce en vísperas del Día Mundial de la Sepsis, que se celebra el 13 de septiembre, una fecha dirigida a concienciar sobre una de las principales causas de mortalidad hospitalaria.

La sepsis se produce cuando la respuesta del organismo frente a una infección se descontrola y provoca daños en los órganos. Puede evolucionar rápidamente y aparecer en pacientes atendidos en cualquier área del hospital, no solo en urgencias o cuidados intensivos. Además, sus primeras manifestaciones son muy variables, lo que dificulta reconocerla a tiempo.

En los países desarrollados se estima que se produce diariamente un nuevo caso de sepsis grave por cada 100.000 habitantes. Su incidencia aumenta aproximadamente un 3% cada año, debido, entre otros factores, al envejecimiento de la población, al incremento de pacientes con varias enfermedades o con las defensas debilitadas y al uso creciente de tratamientos y cirugías complejas.

Una de cada cuatro personas en el mundo fallece de sepsis, según datos de la Organización Mundial de la Salud (OMS). En 2017 se produjeron aproximadamente 48,9 millones de casos de sepsis a nivele mundial y 11 millones de muertes relacionadas con ella, cerca del 20% de todos los fallecimientos registrados ese año.[4]

En España, alrededor de 170 hospitales cuentan con un Código Sepsis, un protocolo que permite coordinar a los diferentes profesionales y servicios para favorecer su reconocimiento y tratamiento precoces. Sin embargo, los sistemas tradicionales de detección se basan en una serie limitada de signos y resultados clínicos. Además, pueden generar un número elevado de falsas alertas, lo que dificulta que los profesionales distingan rápidamente a los pacientes que presentan un mayor riesgo.

Por otro lado, la enfermedad también exige una elevada utilización de recursos sanitarios. Una revisión internacional situó el coste hospitalario medio por paciente entre 17.158 y 53.349 euros, en función del país y del sistema sanitario analizado.[5]

Una herramienta respaldada por una evidencia científica creciente

La investigación publicada ahora amplía la evidencia científica disponible sobre BIAlert Sepsis. Un trabajo anterior, publicado en enero de 2026 en Journal of Clinical Medicine, analizó 218.715 episodios hospitalarios, entre ellos 11.864 episodios de sepsis o shock séptico confirmados en tiempo real por la Unidad Multidisciplinar de Sepsis del Hospital Universitario Son Llàtzer.[2]

En el estudio, BIAlert Sepsis identificó correctamente a 93 de cada 100 pacientes con sepsis y descartó la enfermedad en 84 de cada 100 pacientes que no la presentaban. Además, generó casi un 40% menos de falsas alertas que el mejor sistema tradicional con el que fue comparado.[2]

A esta evidencia sobre su capacidad de detección se suma una publicación en International Journal of Medical Informatics que describe cómo se integra BIAlert Sepsis en los sistemas informáticos del hospital y en la historia clínica electrónica, así como los mecanismos utilizados para comprobar que la herramienta mantiene su rendimiento a lo largo del tiempo. [3]

"En inteligencia artificial sanitaria es fundamental demostrar no solo que una herramienta obtiene buenos resultados, sino que puede incorporarse de forma segura al hospital y aportar valor en la atención real de los pacientes", concluye Elisa Martín.

BIAlert Sepsis cuenta con marcado CE como producto sanitario de clase IIa y actualmente está presente en tres hospitales públicos españoles. Además del hospital Son Llàtzer, ya está funcionando en el Hospital Universitario 12 de Octubre de Madrid y en el Complejo Hospitalario Universitario de Albacete.

Sobre el Instituto de Ingeniería del Conocimiento (IIC)

El Instituto de Ingeniería del Conocimiento es una organización de referencia en investigación e innovación en inteligencia artificial en España, con más de 37 años de experiencia.  El núcleo, experiencia y trayectoria del IIC en este tiempo ha girado en torno a la parte de análisis de datos de diferentes sectores. El área de salud convierte la información médica disponible en conocimiento útil y desarrolla herramientas de IA que apoyan la toma de decisiones médicas y optimizan la gestión de los recursos sanitarios. Todo ello con la vista puesta en una medicina de precisión y personalizada.

Referencias bibliográficas

[1] Giglio A, Macias-Fassio E, Salas-Sosa S, López D, Pruenza C, Morales A, et al. Prospective economic evaluation of a predictive artificial intelligence model for sepsis: Effects on hospital costs and return on investment. PLOS Global Public Health. 2026;6(8):e0006059. https://doi.org/10.1371/journal.pgph.0006059

[2] Borges-Sa M, Giglio A, Aranda M, Socias A, Del Castillo A, Pruenza C, et al. Hospital-Wide Sepsis Detection: A Machine Learning Model Based on Prospectively Expert-Validated Cohort. Journal of Clinical Medicine. 2026;15(2):855. https://doi.org/10.3390/jcm15020855

[3] Serrano García A, López D, Macias-Fassio E, Salas-Sosa S, Pascual I, Pruenza C, et al. From development to clinical practice: deployment of an interoperable and secure ML-based CDSS to aid in the early detection of sepsis. International Journal of Medical Informatics. 2026;219:106545. https://doi.org/10.1016/j.ijmedinf.2026.106545

[4] Rudd KE, Johnson SC, Agesa KM, Shackelford KA, Tsoi D, Kievlan DR, et al. Global, regional, and national sepsis incidence and mortality, 1990-2017: analysis for the Global Burden of Disease Study. The Lancet. 2020;395(10219):200-211. https://doi.org/10.1016/S0140-6736(19)32989-7

[5] Van den Berg M, Van Beuningen FE, Ter Maaten JC, Bouma HR. Hospital-related costs of sepsis around the world: A systematic review exploring the economic burden of sepsis. Journal of Critical Care. 2022;71:154096. https://doi.org/10.1016/j.jcrc.2022.154096

Últimas publicaciones relevantes del Grupo Multidisciplinar de Sepsis del IdISBa:

• International Multidisciplinary Consensus Statement on Sepsis Code Guidelines: A Delphi Approach: https://pubmed.ncbi.nlm.nih.gov/42590856/

• Activity and Outcomes of a Multidisciplinary Sepsis Unit: Fifty Thousand Consultations over Thirteen Years: https://pubmed.ncbi.nlm.nih.gov/42650662/

• Hospital-Wide Sepsis Detection: A Machine Learning Model Based on a Prospectively Expert-Validated Cohort: https://pubmed.ncbi.nlm.nih.gov/41598793/

Comparte esta noticia