Así es la herramienta española con IA que detecta pacientes que no son alérgicos a la penicilina

• Diego Buenosvinos
• Especialista en periodismo de salud, política sanitaria y análisis de opinión en OKDIARIO.
• • 28/05/2026 05:40
  • Actualizado: 28/05/2026 05:40

Un equipo de investigadores de Málaga ha desarrollado una innovadora herramienta clínica capaz de detectar de forma rápida y segura a pacientes que creen ser alérgicos a la penicilina, pero que en realidad no lo son. El avance, impulsado desde el Hospital Regional Universitario de Málaga, podría transformar el diagnóstico de las alergias a antibióticos y evitar miles de tratamientos inadecuados cada año.

El trabajo está liderado por la jefa del Servicio de Alergología del hospital malagueño y catedrática de la Facultad de Medicina de la Universidad de Málaga (UMA), María José Torres Jaén, junto a la investigadora Marina Labella, ambas integrantes del grupo de Enfermedades Alérgicas a Fármacos y Alérgenos de Ibima Plataforma Bionand.

La nueva herramienta, denominada Betalactam-Predictor (BL-Predictor), ha sido diseñada con apoyo de inteligencia artificial y técnicas de aprendizaje automático (‘Machine Learning’). Su función es sencilla pero clave: identificar qué pacientes tienen una falsa etiqueta de alergia a los antibióticos betalactámicos —grupo en el que se encuentra la penicilina— y cuáles realmente presentan una alergia confirmada.

Los investigadores recuerdan que alrededor del 10% de la población tiene registrada en su historial médico una supuesta alergia a la penicilina. Sin embargo, los estudios científicos muestran que solo entre un 5% y un 30% de esas personas son verdaderamente alérgicas. Es decir, millones de pacientes podrían estar evitando antibióticos eficaces sin necesitarlo realmente.

Este problema tiene importantes consecuencias sanitarias. Cuando un paciente aparece como alérgico a la penicilina, los médicos suelen recurrir a antibióticos alternativos de segunda línea, que en muchos casos son menos eficaces, más caros y presentan más efectos secundarios. Además, el abuso de estos tratamientos favorece el aumento de las resistencias bacterianas, uno de los grandes desafíos actuales de la salud pública mundial, y puede prolongar ingresos hospitalarios y complicaciones clínicas.

Diagnósticos más accesibles

La herramienta desarrollada en Málaga busca precisamente acabar con esos falsos diagnósticos de forma más ágil y accesible. El sistema funciona mediante un cuestionario de ocho preguntas que analiza distintos aspectos de la historia clínica del paciente: el tipo de síntomas que sufrió, cuánto tiempo ha pasado desde la reacción al medicamento o si necesitó atención médica o tratamiento tras el episodio.

La gran novedad es que las variables del cuestionario fueron seleccionadas y optimizadas mediante inteligencia artificial, lo que ha permitido aumentar significativamente su precisión diagnóstica. Según los resultados del estudio, el sistema alcanza una especificidad del 93%, mejorando hasta un 25% las herramientas clínicas utilizadas hasta ahora para este tipo de diagnóstico.

Las investigadoras destacan además que el modelo podría permitir retirar la falsa etiqueta de alergia incluso fuera de las unidades especializadas de Alergología, facilitando el proceso en hospitales y centros sanitarios generales y reduciendo costes para el sistema sanitario.

El trabajo, publicado en la revista científica Allergy, comenzó con el análisis de 2.207 pacientes en Málaga y posteriormente fue validado en una cohorte internacional de 4.261 pacientes procedentes de hospitales de España, Estados Unidos, Italia, Francia y Dinamarca. Los resultados demostraron que la herramienta mantiene su eficacia en poblaciones muy distintas, reforzando su potencial aplicación global.

El proyecto ha contado también con el respaldo de la Academia Europea de Alergia e Inmunología Clínica y la colaboración de especialistas internacionales en alergia a medicamentos, consolidando a Málaga como uno de los referentes europeos en investigación sobre alergias farmacológicas e inteligencia artificial aplicada a la medicina.